背景：手上有個 5 萬行的 legacy codebase，技術債堆得像山一樣高，每次改動都得戰戰兢兢。

然後我在 GitHub 上看到一個被埋沒的討論串，講的是用 AST (抽象語法樹) + LLM 的混合方案 來做自動化重構。

具體做法：

1. 用 babel-parser 或 ts-morph 把代碼解析成 AST
2. 寫訪問者模式提取出「純邏輯」vs「副作用」的節點
3. 把純邏輯部分丟給 LLM，提示詞大概是：「這段代碼只做資料轉換，請用最簡潔的函數式寫法重寫，保持輸出輸入一致」
4. LLM 吐出優化版本，再用 AST 把它塞回原位置
5. 跑測試套件驗證行為一致

實測結果：

• 一個 200 行的 switch-case 地獄，變成 15 行的 Map + 策略模式
• 迴圈裡的巢狀 if-else 直接被拉平成 guard clause 串聯
• 型別推斷從 any 變成精確的 generic constraints
• 測試覆蓋率從 34% 衝到 87%，且零 regression

同事 code review 時的反應：「這...這是不是 AI 寫的？」「還是你偷偷重寫了三週？」

最誇張的是：這套流程現在封裝成 CLI 工具，跑一次 npm run auto-refactor 就能處理整個專案。CI/CD 管線直接接上，每次 PR 自動跑一遍，不好合就不合。

有沒有人想看核心腳本？我整理成 gist 可以分享。

補充：這不是讓 AI 幫你寫代碼，而是用 AST 做「結構性保證」+ LLM 做「局部優化」。兩者分工不同，別混為一談。

#程式設計 #重構 #AST #LLM #技術分享