用 Claude 3.5 Sonnet 快速重构旧项目代码并实现单元测试全覆盖

我这次重构的策略是：上下文分层喂养 + 强制约束模式。

首先，我没用 Cursor 的 codebase 索引，因为旧项目里垃圾代码太多，索引干扰大。我采取的是手动建立 .cursorrules（或者在 Claude Project 的 Custom Instructions 里）定义一套重构标准，强制它必须遵守：

1. 所有的业务逻辑必须从 Controller 层剥离到 Service 层。
2. 严禁使用 any 类型，必须为所有函数定义严格的 Type Hints。
3. 每一个重构后的函数必须符合单一职责原则，长度不超过 20 行。
4. 必须使用 pytest 编写测试用例，且覆盖所有边界条件。

具体操作流程是：先喂给它一个核心模块的 current_code.py 和对应的 existing_tests.py（如果有的话），然后下达指令：

分析该模块的依赖关系，先输出一份重构方案（包含类图变更），在我确认方案后再输出代码。

这里有个关键坑：AI 很容易在重构时自作聪明地优化掉一些「看起来像 Bug 但实际上是业务特例」的代码。为了规避这个，我要求它在重构每个函数后，必须同步生成对应的测试用例，并直接运行。

在实现单元测试全覆盖时，我发现直接让它写测试，覆盖率最高只能到 60%，因为 AI 习惯写 Happy Path。我换了一种 Prompt 技巧，要求它「扮演一名试图摧毁这段代码的 QA 工程师」：

针对刚才重构的 get_user_profile 函数，请列出 5 种可能导致崩溃的极端输入场景，并为每种场景编写一个 pytest 失败用例，直到通过为止。

这种方式强迫它去思考 None 值、空字符串、并发冲突等边缘情况。

效率提升最明显的地方在于，我利用 Claude 3.5 的 Artifacts 实时对比。左边是旧代码，右边是新代码，配合 pytest-cov 插件实时监控覆盖率。一旦发现某个分支没走到，直接截图覆盖率报告丢给它，它能瞬间定位到哪个 if/else 漏掉了。

最终结果是把一个 2000 行的混乱模块拆成了 5 个独立 Service 和 12 个测试文件，覆盖率从 20% 提升到了 94%，且没有引入新 Bug。