你如何使用AI助手来理解一个刚继承的大型或不熟悉的代码库？

Question

Accepted Answer

AI在不熟悉的代码的**方向定位**方面非常出色——但前提是你要让它**以真实文件为基础**，而不是让它描述系统可能做什么的通用版本。将它指向实际路径，让它先读取再解释。

## 策略，从宽泛到具体

- **请求高级地图和入口点** — "请求从哪里开始？主要模块是什么，它们如何相互关联？" 这样可以让你在深入之前了解全局。
- **端到端追踪单个功能** — 选择一个真实功能（例如"用户登录"），让AI从路由、通过控制器和服务、到数据库跟踪它。追踪比抽象概述更有效。
- **一次总结一个模块** — "总结`src/billing/`的职责是什么"，而不是整个仓库。
- **解释不熟悉的代码** — 粘贴一个复杂的函数，问它做什么以及为什么，逐行解释。
- **生成依赖关系概览** — 什么导入什么，哪些模块是核心的，耦合在哪里。

## 保持以真实代码为基础

```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
```

以真实代码为基础的版本强制AI根据你的代码来回答，这样你就可以根据真实文件验证每一步，而不是信任一个看起来合理的通用答案。

## 为什么这很重要

继承大型代码库主要是一个**阅读和映射问题**，这正是AI能加速你的地方——它可以在几秒内总结一个模块、追踪一个流程或解释一个晦涩的函数，将数天的冷读变成有指导的探索。风险在于一个没有以真实代码为基础的提示会给你一个自信但通用的答案，可能与实际代码不符。将每个问题锚定在**真实文件路径**上，并根据这些文件验证其追踪，可以获得AI的速度而不会继承其幻觉——你可以更快地建立准确的心理模型，并且因为你检查过源代码，所以可以信任它。