AI 代码考古 – 接手 AI 屎山前的健康检查

用 AI 分析 AI 写的代码，找出隐藏的架构陷阱和修改成本

痛点

V2EX 用户接手了一个大量使用 AI coding 上线的门店系统，问题不断，越改越难，AI 还喜欢无端增加 corner cases 的预防设计。他在考虑重写还是继续维护，但缺乏评估工具。另一个用户发现 AI 生成的 Controller 里注入了另一个 Controller，还带 @EventListener 注解。

方案

上传代码库，自动分析 AI 生成代码的特征：不合理的依赖注入、过度防御性编程、循环依赖、重复逻辑等；输出可修改性评分和重构建议；支持追踪每个文件由哪些 AI 会话修改过（如果用户保留 git 历史）。

用户

接手 AI 生成项目的开发者、技术负责人

MVP

支持上传 zip 或连接 git 仓库；识别常见 AI 代码坏味（如 Controller 互相注入、不必要的 @Lazy）；生成可视化依赖图和问题列表；输出重写 vs 维护的成本估算报告。

变现

按次付费（每次分析 $19）或订阅（$29/月，不限次数，支持私有部署）。

为何现在

第一批 vibe coding 项目进入维护期，技术债务集中爆发，但市面上没有专门针对 AI 代码坏味的分析工具。