Claude 编程的致命短板：代码库膨胀下的“近视眼”问题

Claude 在编程任务上表现出色，常被视为对普通大模型的降维打击。然而，其在实际应用中存在一个显著短板：它无法像人类开发者一样，对代码库拥有全局视野。这种局限性在代码库不断膨胀时，会引发一系列问题，值得所有使用者关注。

核心内容

Claude 本质上是一个“近视眼”。它无法直接浏览完整的代码库，只能通过类似 grep 的搜索来定位与问题描述相关的代码片段。一旦搜索返回了看似相关的片段，模型往往会停止深入探索，转而基于这些碎片化信息进行“修复”或回答。这种行为模式容易导致在不相关的地方修改代码，或者基于不完整的上下文给出建议。

随着项目规模增长，这个问题会愈发严重。如果使用者自身对代码结构缺乏了解，Claude 可能会在应用的不同位置为相同功能创建重复的实现，即“重复造轮子”。一个典型案例是，当要求 Claude 为按钮添加键盘快捷键时，它可能复制整个按钮处理逻辑，而非调用已有的函数，最终导致按钮与快捷键行为不一致。

社区对此问题进行了深入讨论，并探索了多种解决方案：

• 绘制代码架构地图：让 Claude 先梳理主要子系统、职责划分、共享服务及易重复区域，并要求其在每次操作前参考并更新此地图。
• 使用 CLAUDE.md 文件：预先定义项目结构、关键模式以及禁止重复实现的组件。
• 建立完整文档体系：利用 Mermaid 图表展示应用连接关系，在每个主要模块下放置 readme 文件，并配合工具维护文档更新。

此外，有开发者建议定期安排“停下来清理”的时间，专门用于检查、更新文档和合并重复代码。更根本的观察指出，这不仅是上下文窗口大小的限制，模型本身就被训练成“找到相关内容就停止搜索”的模式。

价值与影响

这一讨论揭示了一个关键认知：尽管 AI 在代码生成方面能力强大，但并不意味着人类可以完全放手。架构思维和全局视野仍然需要由人来把控。代码库越大，使用者对整体结构的理解就越发关键。

当前，最有效的应对方法是建立一套外部记忆系统，让模型在每一个重要步骤都能参考和更新相关信息，从而弥补其在长期记忆和全局上下文理解上的不足。这强调了在 AI 辅助编程的工作流中，结合系统化文档和架构管理的重要性。

---