用Cursor重构Go项目，只需7步！
厉辉约 9 分钟01
想象一下，你接手了一栋老旧别墅，房屋内布局复杂，线路杂乱，设施老化严重，居住体验糟糕。要将这座房子改造成舒适现代的住所，你可能会怎么做？
首先，你会先找经验丰富的建筑师或装修顾问，整体检查房屋，判断哪些区域存在问题，哪些最急需改造。这类似于我们使用 AI 代码助手快速扫描代码库，识别出冗长、复杂、难以维护的函数和代码结构。
接下来，你会和建筑师讨论具体的改造方案。房屋的墙体能否拆除？房间布局如何更合理？水电线路如何重新布局？同样地，在代码重构时，你需要与 AI 助手共同探讨具体的重构策略，明确采用哪种设计模式，如何优化函数结构。
确定方案之后，建筑师会为你绘制详细的施工图纸，标明施工规则和注意事项。在代码重构中，我们也会让 AI 将讨论结果转化为具体的、结构化的重构规则，形成明确的任务清单。
对于特别复杂的房屋结构，你可能还需要建筑师深入了解房屋的结构和承重情况，确保改造方案安全可靠。对应到复杂的业务逻辑代码，你也会让 AI 更深入地理解和梳理内部逻辑，确保重构方案没有遗漏关键细节。
施工阶段，装修工人根据施工图一步步执行改造任务。但作为房主，你仍需亲自监督施工质量，确认最终效果符合预期。代码重构时，AI 会帮助你完成具体的代码实现、注释和单元测试，但你仍需亲自审核逻辑正确性和测试覆盖情况，保证重构后业务功能正常运行。
完成施工后，建筑师会重新审查一遍改造效果，检查有没有意外的结构问题或安全隐患，确保房屋可以安全入住。同样，重构完成的代码也要由 AI 再次审查一遍，检查接口兼容性、依赖变更、潜在副作用和逻辑回归风险。
最后一步，装修完毕后，你需要整理房屋的新布局图纸和使用说明，以便房屋后续的维护和使用。在重构代码后，AI 会帮助生成代码调用流程图和技术文档，方便团队成员理解和后续维护。
通过以上类比你可以清晰地看到：使用 AI 辅助进行代码重构，就像请到一位经验丰富、高效可靠的建筑师一样。AI 能帮助你快速完成大量机械繁琐的分析和实现任务，而你则专注于全局把控、业务理解和关键决策。这种人机协作方式，能显著提升代码重构的效率和质量，让你的代码库焕然一新，充满活力。
下面，我们就详细介绍如何将这一思路具体运用到 Go 项目的重构实践中。
02
首先使用 AI 辅助扫描代码库，识别需要重构的函数。
参考使用的 prompt：
请分析下{待分析的代码目录}这个目录下有哪些函数过大、难以维护？请以类似 cursorrule 的格式生成列表，输出到{待分析的代码目录}/.todofunc 文件中。对于代码量大的情况，可分多次处理：
请逐个分析下{目录}/{子目录}下的函数，还有哪些需要优化，结果追加到.todofunc文件中即可。AI 可以帮助：
快速扫描大规模代码库。
识别函数复杂度、长度等结构性问题。
自动生成清晰的待重构函数列表。
人类需要做的判断：
确定扫描范围和优先级。
定义何种代码可归为“难以维护”。
根据业务重要性优先选择需重构的函数。
03
根据.todofunc文件，选择需要重构的函数，与 AI 深入讨论具体方案。这一步的关键在于启发式的互动。
可用的交流方式包括：
直接向 AI 咨询重构建议。
请 AI 推荐适合的设计模式。
让 AI 生成函数流程图，以便更清晰地理解逻辑。
讨论时可用到的 prompt 关键词：代码重构、设计模式应用。
AI 能提供的帮助：
分析函数代码结构和复杂性。
可视化函数逻辑流程。
推荐设计模式和具体重构方式。
人类需要做的判断：
深入理解业务需求和上下文。
评估 AI 提出方案的可行性和合理性。
最终决定采用哪种重构方案与设计模式。
04
基于讨论结果，让 AI 将方案转化为明确的 cursorrule 规则，更新到 .todofunc 文件中。
示例 prompt（需根据具体讨论情况简短明确给出）：
请根据刚才讨论的方案，为该函数生成 cursorrule 规则，追加到.todofunc文件中。AI 能提供的帮助：
快速将讨论结果整理成结构化的规则。
自动更新和维护待办任务文件。
人类需要做的判断：
审核规则内容的正确性和实用性。
确保规则符合项目目标。
适当调整规则的优先级。
05
对于业务逻辑特别复杂的函数，必要时让 AI 深入分析并梳理其中的业务逻辑，生成明确的分析结果追加到 .todofunc 文件中。
示例 prompt（需简短明确）：
请仔细分析该函数的业务逻辑，整理出核心流程并追加到.todofunc文件中。AI 能提供的帮助：
提取并梳理复杂函数的核心业务逻辑。
明确逻辑分支和处理路径。
人类需要做的判断：
审核 AI 分析的业务逻辑是否全面准确。
补充可能遗漏的隐性业务规则。
修改 AI 理解有误的部分。
06
接下来逐步进行代码重构，可以自上而下或自下而上进行。
重构过程中的注意事项：
明确告知 AI 专注于具体任务，避免不必要的额外工作。
重点核对逻辑实现是否完整。
配合单元测试验证逻辑正确性。
明确要求 AI 提供清晰的人类和 AI 均易理解的注释。
参考 prompt：
{具体重构要求}额外要求：1. 为重构后的函数添加详细注释，便于开发者和 AI 理解整体逻辑流程。2. 不要进行其他额外操作。3. 若该函数可以编写单元测试，请同时生成单元测试代码，使用 TDD 风格，涵盖基本、特殊和边界场景。
AI 能提供的帮助：
执行具体代码重构工作。
添加易读易理解的代码注释。
自动生成初步单元测试代码。
保持代码风格的一致性。
人类需要做的判断：
核对重构后的实现逻辑是否完整、正确。
审核单元测试是否充分覆盖关键场景。
运行和验证单元测试结果。
确保业务逻辑未受影响。
07
利用 AI 的 @commit 功能，让其审查重构后的代码差异，检查可能存在的问题。
参考 prompt：
@commit 请分析{重构入口函数}及其调用的相关函数在{文件目录/代码范围}内的逻辑是否正确，是否存在问题，尤其关注：- 接口兼容性是否被破坏- 隐式依赖是否发生变化- 是否存在未预期的副作用- 核心逻辑是否存在回归风险
AI 能提供的帮助：
自动对比代码变更。
快速发现潜在风险和问题。
提供相应的修复建议。
人类需要做的判断：
最终评估代码质量和风险。
决定是否采纳 AI 提出的修复建议。
人工确认业务逻辑的正确性和完整性。
08
让 AI 生成重构后的代码调用流程图和重点逻辑说明，更新项目文档。
参考 prompt：
请以 markdown 格式给出{重构入口函数}的主要流程图，不必细化到具体函数。AI 能提供的帮助：
自动生成清晰的流程图。
记录重构后的逻辑和设计决策。
更新相关技术文档。
人类需要做的判断：
审核文档内容的准确性。
补充必要的业务上下文说明。
确保文档对团队其他成员有实际帮助。
09
最后将代码部署到测试环境，进行全面的业务功能验证。
此步骤中 AI 的作用十分有限。
人类需要做的判断：
部署代码并执行端到端测试。
验证业务功能的完整性和正确性。
观察并评估系统整体性能。
必要时调整和优化重构结果。
10
AI 辅助的优势
快速分析大量代码。
提供结构化的重构建议。
自动生成单元测试和文档。
提高重构效率和代码质量。
人类判断不可替代之处
深入理解业务需求和上下文。
评估重构对系统整体影响。
识别 AI 无法理解的领域知识。
做出性能和可维护性之间的权衡。
确保核心业务逻辑正确性。
最终把握代码质量和业务方向。
11
分清职责：
让 AI 干重复性工作，你来管业务和决策。
小步前进：
别一次改太多，边改边验证更稳妥。
保持警惕：
AI 很强，但最后还是要靠你把关。
引导清晰：
给 AI 的指令要具体，别模棱两可。
学着用：
把 AI 当老师，从它的建议里多学点东西。
通过这样的协作，你既能保证代码质量，又能大幅提升效率，减少技术债务，让代码更好维护。
12
AI 代码助手在重构中越来越重要，尤其是在分析代码、提建议、写测试和更新文档这些方面。不过，理解业务、设计方案、把控质量和最终验证还是得靠人。最好的重构方式是 AI 和人配合：AI 帮你省时间，你来确保结果靠谱。合理用好 AI 工具，能让你更专注在创造性的工作上，最终提升开发的整体效率和质量。
这篇指南希望能帮你在实践中用好 AI，同时保留人工的核心价值。
13
采用分层次重构策略
日常开发中：持续进行小范围重构（方法提取、变量重命名等）。
功能完成后：进行中等规模重构（类的拆分、设计模式应用等）。
计划性迭代：安排大规模架构级重构。
将重构正式纳入开发流程
在"完成的定义"(Definition of Done)中包含代码质量和重构要求。
在迭代计划中为重构预留时间。
使用代码静态分析工具自动识别需要重构的区域。
利用AI辅助提高重构效率
正如文章所述，利用AI快速分析代码结构和依赖。
AI生成单元测试，增强重构安全性。
使用AI辅助验证重构前后的代码等价性。
团队共识与沟通
让团队理解重构的价值和必要性。
向产品负责人清晰沟通重构的意义，获取支持。
形成团队对"何时重构"的共识。
对本文感兴趣的话，也欢迎关注作者本人的公众号了解更多👇
📢📢程序员代码重构前后的精神状态，点击下方图片得到答案！👇
📢📢对 DeepSeek 的技术原理、部署教程、应用实践感兴趣的小伙伴，也可以扫下方二维码加入腾讯云官方 DeepSeek 交流群，不定时输出鹅厂大佬的实战教学！
AI 还能辅助哪些工作内容？欢迎评论留言。我们将选取1则优质的评论，送出腾讯云定制文件袋套装1个（见下图）。4月8日中午12点开奖。