Как использовать AI-ассистента для понимания большой или незнакомой кодовой базы, которую вы только что унаследовали?

Question

Accepted Answer

ИИ отлично подходит для **ориентации** в незнакомом коде — но только если вы держите его **привязанным к реальным файлам**, а не позволяете ему описывать обобщённую версию того, что система, вероятно, делает. Указывайте ему фактические пути и просите прочитать, прежде чем объяснять.

## Стратегии, от общего к конкретному

- **Попросите высокоуровневую карту и точки входа** — «Где начинается запрос? Какие основные модули и как они связаны между собой?» Это дает вам общее представление, прежде чем вы углубитесь.
- **Проследите одну функцию от начала до конца** — выберите одну реальную функцию (например, «вход пользователя») и попросите ИИ следить за ней от маршрута через контроллер и сервис до базы данных. Трассировка лучше абстрактных обзоров.
- **Суммируйте один модуль за раз** — «Обобщите, за что отвечает `src/billing/`», а не всю репозиторию сразу.
- **Объясните незнакомый код** — вставьте сложную функцию и попросите объяснить, что она делает и почему, строка за строкой.
- **Создайте обзор зависимостей** — что импортирует что, какие модули центральные, где связанность.

## Держите его привязанным

```text
❌ UNGROUNDED: "How does authentication usually work in a Node app?"
   → generic textbook answer; may not match THIS codebase at all

✅ GROUNDED: "Read src/auth/login.js and src/middleware/session.js.
             Trace what happens when POST /login is called, step by step,
             citing the functions involved."
   → the AI must read the actual files → its explanation maps to YOUR system
```

Привязанная версия заставляет ИИ основывать свой ответ на вашем коде, поэтому вы можете проверить каждый шаг против реальных файлов вместо того, чтобы доверять правдоподобной общности.

## Почему это важно

Унаследование большой кодовой базы — это в основном **проблема чтения и картографирования**, и именно это место, где ИИ вас ускоряет — он может суммировать модуль, проследить поток или объяснить криптичную функцию за считанные секунды, превращая дни холодного чтения в направленное исследование. Риск заключается в том, что необоснованный запрос дает вам уверенный, обобщённый ответ, который не соответствует реальному коду. Привязка каждого вопроса к **реальным путям файлов** и проверка его трассировки против этих файлов сохраняет скорость ИИ без наследования его галлюцинаций — вы быстрее создаёте точную ментальную модель, и вы можете ей доверять, потому что проверили её против источника.