在一篇博客中，我曾興致勃勃地分享了如何用Cursor在短短半天內完成AI工具的從0到1實現。那時的我，就像剛學會騎自行車的孩子，對這個“新玩具”充滿了熱情。但很快，我就意識到這只是冰山一角。單純的代碼生成固然令人興奮，但在實際開發中，我們面臨的挑戰遠不止于此。

于是，我開始了一段更深入的探索之旅。特別是在代碼重構這個領域，我發現Cursor展現出了令人驚喜的潛力。當我給它一些重構指令時，它不僅能理解我的意圖，還能按照預期重構代碼，而且速度快得驚人。這讓我不禁幻想：如果能把這項技能應用到日常開發中，那豈不是能在別人還在埋頭重構時，我已經可以優哉游哉地“摸魚”了？

一、現實給的一記重拳：復雜項目重構的困境

然而，現實總是喜歡給我們一記重拳。當我滿懷信心地將這種簡單直接的重構方式應用到實際項目中時，很快就碰了壁。由于真實項目的復雜度遠超簡單的AI工具代碼項目，簡單的prompt在這里就像是用牙簽撬動大象。

1. 遇到的主要問題：

• 改動范圍失控：就像是沒有地圖的探險，每次重構都像是在隨機漫步。
• 重構策略混亂：完全依賴大模型自動選擇重構策略，就像是把方向盤交給了蒙著眼睛的司機。
• 上下文理解障礙：即使使用了@Codebase，Cursor依然像是對整個項目背景一無所知，重構起來漫無目標。
• 代碼審查負擔：每次改動都需要仔細審查，否則就像是在刀尖上跳舞，提心吊膽。
• 惡性循環：越重構越亂，最后不得不推倒重來，陷入了一個“推倒重來-再次失敗”的死循環。

2. 問題根源分析

經過深入思考，總結出了幾個核心原因：

• 邏輯復雜度過高：現實項目往往包含復雜的業務邏輯和條件判斷。
• 框架知識欠缺：沒有給AI進行適當的框架Onboarding。
• 代碼風格多樣性：不同開發者的編碼風格差異帶來的挑戰。
• 上下文負擔過重：相互關聯的代碼太多，形成了復雜的依賴網絡。
• 行為不可預測：無法準確預知AI的下一步操作。

二、人機對比：重構思維的差異

為了找到突破口，我開始思考：為什么同樣是重構，人類開發者能夠相對順利地完成，而AI卻頻頻踩坑？

人類開發者的重構方式：

• 系統性分析：首先識別和消除code smell，提升代碼的可讀性和可擴展性。
• 面向對象優化：基于面向對象的最佳實踐進行重構。
• 架構層面調整：將代碼重新組織到合適的層次結構中。
• 測試驗證：確保重構后的代碼仍然符合預期行為。

AI的重構方式：就像一個機械工人，簡單地重復“修改代碼”這個動作，缺乏我們期望的系統性思維和策略性規劃。

三、靈感突現：ReAct框架的啟發

在尋找解決方案的過程中，我接觸到了Agent和ReAct以及COT，這讓我眼前一亮。如果能讓AI像人類一樣思考并且按照人類期望的方式進行思考，是否就能克服當前的困境？

1. ReAct框架簡介

ReAct 框架是由 Shunyu Yao 等人在 2022 年提出的一種方法，旨在結合推理與行動，以提高大型語言模型（LLMs）的性能。該框架允許 LLMs 交替生成推理軌跡和任務特定操作，從而使模型能夠誘導、跟蹤和更新操作計劃，并有效處理異常情況。

• 與外部工具的交互：ReAct 框架使 LLMs 能夠與外部知識庫或環境進行交互，從而獲取額外信息，提供更可靠的回應。
• 性能提升：研究表明，ReAct 在語言和決策任務上表現優于多個先進的基線模型，同時提高了 LLMs 的可解釋性和可信度。
• 與鏈式思考（CoT）的結合：將 ReAct 與鏈式思考結合使用，可以在推理過程中同時利用內部知識和外部信息，從而取得最佳效果。

四、實踐：構建重構專用的Prompt

重構步驟設計：

• 基礎清理：識別和處理基本的code smell
• 面向對象優化：應用面向對象的最佳實踐
• 架構調整：根據六邊形架構的規范重組代碼
• 錯誤修復：處理明顯的編譯錯誤
• 人工復查：補充細節優化
• 測試修復：確保所有測試用例通過

重構Prompt模板設計：

• 上下文說明：提供架構規范和最佳實踐指南
• 思考步驟：引導AI進行系統性分析
• 觀察記錄：記錄發現的問題
• 行動指南：明確具體的重構步驟

基于上述的ReAct和COT的啟發，設計了一個用于當前項目上DDD重構的Prompt（包含重構設計的前3步）：

1. Prompt for Refactoring

Context: 在六邊形架構的DDD實現模式中，Application Service、Domain Service、Query 以及 Port 的設計和實現有一些最佳實踐和經驗。以下是總結的經驗和適合的重構提示：

• Application Service：主要負責用例編排和事務管理，不包含業務邏輯，而是調用 Domain Service 執行具體操作。
• Domain Service：包含核心業務邏輯，處理復雜業務規則和操作，是領域模型的一部分。
• Port：定義應用程序與外部系統之間接口，包括 inbound 和 outbound 包中的 Repository 接口定義。

基于上述上下文。請參照 @AcademyCourseDomainService.java  對當前文件進行重構，如果涉及 @EnrollmentApplicationService.java  的修改，也可以進行修改。使用 ReAct 框架按照下面的思考步驟來指導此過程，以分析、觀察、執行并最終完成代碼重構。

• Thought-1：是否有明顯的codesmell？
• Observation-1：有codesmell：Longmethod
• Action-1：使用這個codesmell對應的最佳實踐進行重構
• Thought-2：是否有特別需要注意的codesmell，比如說面向對象的5大基本原則，單一職責原則、開放封閉原則、里氏替換原則、依賴倒置原則和接口隔離原則？
• Observation-2：有幾個地方，不符合單一職責原則
• Action-2：了解單一職責原則的最佳實踐，并進行代碼重構
• Thought-3：當前文件是什么Layer，需要遵循哪些職責？
• Observation-3：當前的文件是DomainServiceLayer，里面有些實現做的事情不屬于domainservice的職責
• Action-3：根據Domainservice職責，對這幾個實現進行重構，分析這些做的事情屬于哪些layer的職責，將實現挪到對應的Layer中去

2. Cursor composer的輸出：

五、實驗效果與經驗總結

通過多輪實驗，這種基于ReAct的重構Prompt編寫方法展現出了明顯的優勢：

• 更高的結果正確性： 這種重構方法能夠在僅需兩到三輪的互動中，達成預期結果。與傳統方法相比，ReAct和COT的結合使得模型能夠更有效地整合信息和推理過程，從而減少了錯誤和不確定性。這種高效性使得用戶在處理復雜問題時，能夠更快地獲得準確答案。
• 目標導向的思考過程：采用ReAct框架后，模型的思考方向更加符合用戶的期望，而不是受到幻覺（即生成不實信息）的影響。通過引入額外信息源（觀察的步驟會引入需要的信息），模型能夠實時驗證和更新其推理路徑，從而確保所生成的信息是基于事實而非虛構。這一特性顯著提升了用戶對模型輸出的信任度。
• 可視化的思考與修改過程： 在Cursor的composer模式中，用戶可以清晰地看到思考和修改的中間過程。這種透明性讓開發者能夠追蹤每一步的修改步驟，從而更好地理解模型如何得出最終結論。通過展示具體的推理軌跡和所采取的行動，用戶不僅能審視模型的決策過程，還能對其進行必要的調整和優化。

效果提升的關鍵因素：

• 邊界清晰：通過Context限定了AI的行為范圍
• 步驟明確：讓AI按照預定的思維方式進行重構
• 反饋閉環：每個步驟都有明確的觀察和行動指南

思維方式的轉變：這個過程讓我意識到，使用AI的關鍵在于轉變思維方式：從“問題導向”轉向“引導式合作”。

我們需要做的是：

• 人負責分析和規劃
• AI負責執行具體細節
• 通過精心設計的Prompt建立橋梁

六、AI編碼助手使用的新范式

這次的探索不僅幫助我解決了代碼重構的難題，更重要的是讓我領悟到了一個道理：AI不是萬能的，但通過正確的引導，它可以成為我們強大的助手，起到能力放大器的作用。當我們學會用“教練”而不是“提問者”的身份與AI互動時，往往能獲得更好的結果。當然，這也給我們帶來了新的要求：在與AI進行協作時，了解最佳實踐和方法論成為了前提條件，只有這樣，我們才能更有效地引導AI以正確的方式完成工作。

這種思維方式的轉變，讓我們能夠更好地發揮人類的創造力和AI的執行力，從而提升代碼質量和開發效率（在理想情況下，提升開發效率應當將節省下來的時間來促進代碼質量的提高，而不是單純追求高產出，否則我們可能會陷入另一個無法自拔的漩渦。追逐產出而忽視質量，最終仍然會導致技術債務高筑，增加維護成本，甚至影響項目的可持續性。因此，平衡效率與質量至關重要。通過注重代碼的可讀性、可維護性和合理的使用最佳實踐，我們不僅能夠提高開發速度，還能確保軟件的長期健康和穩定性）。在未來，這種人機協作的模式也許會成為軟件開發的一種新范式。

七、Prompt分享

經過實踐，我們總結出了一個專門針對代碼基礎異味（code smell）重構的提示模板。如果你對代碼基礎異味的重構感興趣，歡迎嘗試使用這個站點下的Prompt模板。這個重構Prompt模版站點是為開發者量身打造的資源分享平臺，旨在提供高效可行的Prompt模版，以提升使用Cursor進行重構的體驗，主要面向希望通過AI優化重構過程的同事。其Prompt特色在于能夠顯著降低AI在重構時可能出現的幻覺。大家可以通過參考站點的Quick Start操作快速上手，從而提升重構的準確率和效率，讓大家更專注于最佳實踐和方法論的思考。

到此，我們的討論就告一段落了。感謝大家的閱讀和關注!