在一篇博客中，我曾兴致勃勃地分享了如何用Cursor在短短半天内完成AI工具的从0到1实现。那时的我，就像刚学会骑自行车的孩子，对这个“新玩具”充满了热情。但很快，我就意识到这只是冰山一角。单纯的代码生成固然令人兴奋，但在实际开发中，我们面临的挑战远不止于此。
于是，我开始了一段更深入的探索之旅。特别是在代码重构这个领域，我发现Cursor展现出了令人惊喜的潜力。当我给它一些重构指令时，它不仅能理解我的意图，还能按照预期重构代码，而且速度快得惊人。这让我不禁幻想：如果能把这项技能应用到日常开发中，那岂不是能在别人还在埋头重构时，我已经可以优哉游哉地“摸鱼”了？
一、现实给的一记重拳：复杂项目重构的困境
然而，现实总是喜欢给我们一记重拳。当我满怀信心地将这种简单直接的重构方式应用到实际项目中时，很快就碰了壁。由于真实项目的复杂度远超简单的AI工具代码项目，简单的prompt在这里就像是用牙签撬动大象。
1. 遇到的主要问题：
- 改动范围失控：就像是没有地图的探险，每次重构都像是在随机漫步。
- 重构策略混乱：完全依赖大模型自动选择重构策略，就像是把方向盘交给了蒙着眼睛的司机。
- 上下文理解障碍：即使使用了@Codebase，Cursor依然像是对整个项目背景一无所知，重构起来漫无目标。
- 代码审查负担：每次改动都需要仔细审查，否则就像是在刀尖上跳舞，提心吊胆。
- 恶性循环：越重构越乱，最后不得不推倒重来，陷入了一个“推倒重来-再次失败”的死循环。
2. 问题根源分析
经过深入思考，总结出了几个核心原因：
- 逻辑复杂度过高：现实项目往往包含复杂的业务逻辑和条件判断。
- 框架知识欠缺：没有给AI进行适当的框架Onboarding。
- 代码风格多样性：不同开发者的编码风格差异带来的挑战。
- 上下文负担过重：相互关联的代码太多，形成了复杂的依赖网络。
- 行为不可预测：无法准确预知AI的下一步操作。
二、人机对比：重构思维的差异
为了找到突破口，我开始思考：为什么同样是重构，人类开发者能够相对顺利地完成，而AI却频频踩坑？
人类开发者的重构方式：
- 系统性分析：首先识别和消除code smell，提升代码的可读性和可扩展性。
- 面向对象优化：基于面向对象的最佳实践进行重构。
- 架构层面调整：将代码重新组织到合适的层次结构中。
- 测试验证：确保重构后的代码仍然符合预期行为。
AI的重构方式：就像一个机械工人，简单地重复“修改代码”这个动作，缺乏我们期望的系统性思维和策略性规划。
三、灵感突现：ReAct框架的启发
在寻找解决方案的过程中，我接触到了Agent和ReAct以及COT，这让我眼前一亮。如果能让AI像人类一样思考并且按照人类期望的方式进行思考，是否就能克服当前的困境？
1. ReAct框架简介
ReAct 框架是由 Shunyu Yao 等人在 2022 年提出的一种方法，旨在结合推理与行动，以提高大型语言模型（LLMs）的性能。该框架允许 LLMs 交替生成推理轨迹和任务特定操作，从而使模型能够诱导、跟踪和更新操作计划，并有效处理异常情况。
- 与外部工具的交互：ReAct 框架使 LLMs 能够与外部知识库或环境进行交互，从而获取额外信息，提供更可靠的回应。
- 性能提升：研究表明，ReAct 在语言和决策任务上表现优于多个先进的基线模型，同时提高了 LLMs 的可解释性和可信度。
- 与链式思考（CoT）的结合：将 ReAct 与链式思考结合使用，可以在推理过程中同时利用内部知识和外部信息，从而取得最佳效果。
四、实践：构建重构专用的Prompt
重构步骤设计：
- 基础清理：识别和处理基本的code smell
- 面向对象优化：应用面向对象的最佳实践
- 架构调整：根据六边形架构的规范重组代码
- 错误修复：处理明显的编译错误
- 人工复查：补充细节优化
- 测试修复：确保所有测试用例通过
重构Prompt模板设计：
- 上下文说明：提供架构规范和最佳实践指南
- 思考步骤：引导AI进行系统性分析
- 观察记录：记录发现的问题
- 行动指南：明确具体的重构步骤
基于上述的ReAct和COT的启发，设计了一个用于当前项目上DDD重构的Prompt（包含重构设计的前3步）：
1. Prompt for Refactoring
Context: 在六边形架构的DDD实现模式中，Application Service、Domain Service、Query 以及 Port 的设计和实现有一些最佳实践和经验。以下是总结的经验和适合的重构提示：
- Application Service：主要负责用例编排和事务管理，不包含业务逻辑，而是调用 Domain Service 执行具体操作。
- Domain Service：包含核心业务逻辑，处理复杂业务规则和操作，是领域模型的一部分。
- Port：定义应用程序与外部系统之间接口，包括 inbound 和 outbound 包中的 Repository 接口定义。
基于上述上下文。请参照 @AcademyCourseDomainService.java 对当前文件进行重构，如果涉及 @EnrollmentApplicationService.java 的修改，也可以进行修改。使用 ReAct 框架按照下面的思考步骤来指导此过程，以分析、观察、执行并最终完成代码重构。
- Thought-1：是否有明显的codesmell？
- Observation-1：有codesmell：Longmethod
- Action-1：使用这个codesmell对应的最佳实践进行重构
- Thought-2：是否有特别需要注意的codesmell，比如说面向对象的5大基本原则，单一职责原则、开放封闭原则、里氏替换原则、依赖倒置原则和接口隔离原则？
- Observation-2：有几个地方，不符合单一职责原则
- Action-2：了解单一职责原则的最佳实践，并进行代码重构
- Thought-3：当前文件是什么Layer，需要遵循哪些职责？
- Observation-3：当前的文件是DomainServiceLayer，里面有些实现做的事情不属于domainservice的职责
- Action-3：根据Domainservice职责，对这几个实现进行重构，分析这些做的事情属于哪些layer的职责，将实现挪到对应的Layer中去
2. Cursor composer的输出：
五、实验效果与经验总结
通过多轮实验，这种基于ReAct的重构Prompt编写方法展现出了明显的优势：
- 更高的结果正确性： 这种重构方法能够在仅需两到三轮的互动中，达成预期结果。与传统方法相比，ReAct和COT的结合使得模型能够更有效地整合信息和推理过程，从而减少了错误和不确定性。这种高效性使得用户在处理复杂问题时，能够更快地获得准确答案。
- 目标导向的思考过程：采用ReAct框架后，模型的思考方向更加符合用户的期望，而不是受到幻觉（即生成不实信息）的影响。通过引入额外信息源（观察的步骤会引入需要的信息），模型能够实时验证和更新其推理路径，从而确保所生成的信息是基于事实而非虚构。这一特性显著提升了用户对模型输出的信任度。
- 可视化的思考与修改过程： 在Cursor的composer模式中，用户可以清晰地看到思考和修改的中间过程。这种透明性让开发者能够追踪每一步的修改步骤，从而更好地理解模型如何得出最终结论。通过展示具体的推理轨迹和所采取的行动，用户不仅能审视模型的决策过程，还能对其进行必要的调整和优化。
效果提升的关键因素：
- 边界清晰：通过Context限定了AI的行为范围
- 步骤明确：让AI按照预定的思维方式进行重构
- 反馈闭环：每个步骤都有明确的观察和行动指南
思维方式的转变：这个过程让我意识到，使用AI的关键在于转变思维方式：从“问题导向”转向“引导式合作”。
我们需要做的是：
- 人负责分析和规划
- AI负责执行具体细节
- 通过精心设计的Prompt建立桥梁
六、AI编码助手使用的新范式
这次的探索不仅帮助我解决了代码重构的难题，更重要的是让我领悟到了一个道理：AI不是万能的，但通过正确的引导，它可以成为我们强大的助手，起到能力放大器的作用。当我们学会用“教练”而不是“提问者”的身份与AI互动时，往往能获得更好的结果。当然，这也给我们带来了新的要求：在与AI进行协作时，了解最佳实践和方法论成为了前提条件，只有这样，我们才能更有效地引导AI以正确的方式完成工作。
这种思维方式的转变，让我们能够更好地发挥人类的创造力和AI的执行力，从而提升代码质量和开发效率（在理想情况下，提升开发效率应当将节省下来的时间来促进代码质量的提高，而不是单纯追求高产出，否则我们可能会陷入另一个无法自拔的漩涡。追逐产出而忽视质量，最终仍然会导致技术债务高筑，增加维护成本，甚至影响项目的可持续性。因此，平衡效率与质量至关重要。通过注重代码的可读性、可维护性和合理的使用最佳实践，我们不仅能够提高开发速度，还能确保软件的长期健康和稳定性）。在未来，这种人机协作的模式也许会成为软件开发的一种新范式。
七、Prompt分享
经过实践，我们总结出了一个专门针对代码基础异味（code smell）重构的提示模板。如果你对代码基础异味的重构感兴趣，欢迎尝试使用这个站点下的Prompt模板。这个重构Prompt模版站点是为开发者量身打造的资源分享平台，旨在提供高效可行的Prompt模版，以提升使用Cursor进行重构的体验，主要面向希望通过AI优化重构过程的同事。其Prompt特色在于能够显著降低AI在重构时可能出现的幻觉。大家可以通过参考站点的Quick Start操作快速上手，从而提升重构的准确率和效率，让大家更专注于最佳实践和方法论的思考。
到此，我们的讨论就告一段落了。感谢大家的阅读和关注!
