用 Agent 评测思路管理 AI Coding —— 31万行代码 AI 重构的实践
美团实践：用 Agent 评测思路约束 AI 编程，把高成本代码重构转化为可持续的日常流程。
当 AI 生成 90% 以上代码时，决定系统质量的不是写代码的速度，而是约束 AI 的能力。本文基于 31 万行代码重构实践，介绍了如何通过技术债梳理、建立规则、标准化流程和前置审查，将重构从一次性高成本任务变成日常迭代的一部分。
正文摘录
 用Agent评测思路管理AI Coding —— 31万行代码AI重构的实践 业务研发平台 2026-05-07 算法 大模型 当团队 90% 以上的代码由 AI 生成，31 万行的复杂业务系统还在高速膨胀，你会发现一个反直觉的事实：AI Coding 不会自动收敛复杂度 —— 没有统一规范的约束，不同人用 AI 写出的代码风格各异，系统反而会加速腐化。 本文记录了我们如何在不停止业务交付的前提下，完成这场重构。在这个过程中，我们积累了三个关键经验，希望这篇实战经验能提供一些可复用的思路。 - 经验一 ：用Agent评测思路管理AI Coding。我们团队负责 Agent 评测业务，在实践中沉淀出一套核心标准对齐理念：“人人对齐→人机对齐”。我们发现管理 AI Coding 的底层逻辑一模一样 —— 先让团队形成统一共识（人人对齐），再将共识固化为 AI 可执行的约束（人机对齐）。本质上，就是同一套方法论在两个领域的复用。 - 经验二 ：AI 正在重新定义“经验”的价值边界。利用 AI 工具，工程师短时间内就发现了 10 个性能隐患——过去需要长期积累才能建立的代码全局感，现在借助 AI，团队中的每个人都能快速具备。经验的价值正在从“能看全”转移到“能判断什么重要”。 - 经验三 ：技术债可以像业务需求一样被迭代消化。行业谈重构，要么推倒重来，要么申请专项。我们给出了第三条路：把技术债拆解为业务需求的“顺带动作”，借着迭代渐进式消化。