Vibe Coding 盛行，如何用工具守护代码库健康？

Vibe Coding 盛行，如何用工具守护代码库健康？

| 帖子 提要：随着 Vibe Coding（氛围感编程）的流行，开发者正通过 AI 极速生成代码，但这同时也带来了大量无用的死代码。

通过结合 Ruff、Vulture 或 Knip 等静态分析工具，可以在开发循环中自动识别并清理这些冗余，维持代码库的健康度。

现在的编程节奏变了，大家越来越依赖 AI 快速出原型。

这种“氛围感编程”很爽，但代价是代码库里堆满了没用的垃圾。

写代码时的那种灵感迸发，很容易在随后的几次迭代中，留下大片毫无用处的死代码。

如果把开发比作运行一个长期进程，这些死代码就是内存泄漏，只会让系统的复杂度无意义地膨胀。

解决办法其实很简单，不需要人类去肉眼扫描，直接交给工具。

对于 Python 开发者，Ruff 和 Vulture 是个好组合：前者负责规范和清理，后者负责寻找那些看起来没被使用的逻辑。

有网友提到，甚至可以直接把这个指令复制给 Claude Code，让它自己跑一遍。

不过要小心，这类工具并不是万能的。

有观点认为，如果调用链太长超出了上下文窗口，AI 可能会误判。

有些开发者更倾向于在 CI 流程中加入 Knip（针对 JS/TS）或者使用类似 python-doctor 的 pre-commit hook，把清理动作固化到每次提交里。

最理想的状态是建立一个闭环：用工具识别死代码，配合端到端测试确保逻辑没断，最后让 AI 完成重构。

虽然有人调侃这种自动化操作可能会“误删整个应用”，但比起看着代码库变成一堆不可控的乱码，这种风险值得承担。

毕竟，如果代码质量的下降速度超过了清理的速度，那我们离真正的软件崩溃也就不远了。

现在的核心问题是：在 AI 生成代码的浪潮下，我们的测试覆盖率和验证逻辑，跟得上这种生产力的膨胀吗？