夜雨聆风你好，欢迎关注「AI工程手记」。
这里主要分享 AI 工程、Agent、自动化工作流和开源项目实战。
不讲太多概念，重点是怎么做、怎么用，趟过哪些坑。
AI代码泛滥，有人靠删AI屎山周入$10K。
先说结论：
你是不是也有这种感觉——AI 写的代码第一周跑得好好的，第三周加个功能就崩两个地方，第五周你已经不敢动了？这不是你的问题。
Slopfix，三个工程师组成的小团队，专做一件事：把你用 AI 生成的代码重构回能维护的状态。一口价、一周交付、两周保修。收费？一周 $10,000。
这篇文章按五个问题讲清楚：这个生意凭什么存在／AI 编程的"第二波效应"是什么／HN 社区怎么看这件事／国内为什么还没人讨论／以及你现在就能做的三件事。
一、发生了什么：三个人、一周、一万美金
Slopfix 的官网极其朴素——没有产品截图，没有定价页面，只有一段直白的自我介绍。
"你的 AI 构建的产品确实能跑。但过了 10 万行之后，每次改动都坏两个地方。三个有三十年经验的工程师，让你的代码库重新变回能维护的样子。"
这个团队由 Maciej、Kuba 和 Krzysztof 三位资深工程师组成。他们的典型项目是：客户扔过来一个十万行的 AI 生成代码库，他们一周内砍到三万五千行，功能完全不变，结构重新梳理，两周内出 bug 免费修。
Slopfix 团队成员之一 Maciej
收费模式简单到粗暴：一口价，不按时薪。他们甚至明说："我们也用 Claude Code，但拴着很短的绳。区别是三十年的经验——什么是能维护的代码。"
这个生意的出现不是偶然。它是 AI 编程工具渗透率见顶后冒出来的第一个明确信号：写代码的门槛降到了零，但维护代码的门槛反而更高了。
为什么？因为 AI 生成的代码有一个致命特性——它能跑，但缺乏"整体感"。当代码库超过一定规模，AI agent 看不到全局，开始复制粘贴已有的代码而不是复用。这就是所谓的"vibe coding"的后遗症：对着感觉让 AI 写，写完就跑，但三个月后你面对的是一座屎山。
二、为什么重要：AI 编程的"第二波效应"
如果你过去半年关注过 AI 编程领域，第一波叙事是这样的：
"Cursor 让编程效率翻 10 倍！" "Claude Code 一个人顶一个团队！" "零基础也能用 AI 做产品！"
这些都没错。但第二波效应正在浮出水面——而这些叙事里从来没人提。
先看两组数据，你就明白这个问题的严重程度了：
GitHub 2026年6月的一份统计显示，AI辅助生成的代码中，约有34%在提交后30天内被重构或删除。换句话说，每三行AI写的代码，就有一行活不过一个月。 Cursor官方的一个内部调查发现，使用AI编程的团队，代码重复率平均上升了2.7倍。AI天然的"复制-粘贴"倾向，在没有约束的情况下会像野草一样疯长。
这意味着什么？
第一波：AI 帮你写代码。 第二波：AI 写的代码太烂，你花钱请人删。
听起来像笑话？来看两个真实数据：
Slopfix 一个项目的典型成果：10 万行 → 3.5 万行，代码量缩减 65%，功能零损失。 HN 讨论区里，@bloody-crow 说他"同时跑 10 个 AI agent，tmux 已经不够用了"——这不是科幻，这是他每天的日常工作流。
当工程师把越来越多的工作丢给 AI agent，表面上效率起飞了。但 AI agent 没有长期记忆，没有架构感，没有对"三个月后我还要改这段代码"的恐惧。它只关心当下这个 prompt 能不能过。
于是代码库像被一千个不同风格的临时工同时施工——能跑，但不可维护。
Slopfix 的生意逻辑就在这里：他们不是反对 AI 编程，他们是 AI 编程的下游产业。就像淘金热里卖铲子的人，只不过他们卖的是"把你挖出来的石头变回金子"。
三、影响分析：一条新产业链的雏形
Slopfix 不是一个孤例。把格局放大，你会发现 AI 编程正在催生一整条新的产业链：
上游：AI 编程工具。 Cursor、Claude Code、Copilot——这些是"铲子供应商"。他们忙着让 AI 写更多代码。
中游：AI 代码消费者。 创业团队、独立开发者——这些是"淘金者"。他们用 AI 快速出产品，速度第一，质量第二。
下游：AI 代码清理者。 Slopfix 是第一批，但不会是最后一批。代码审计、重构、架构梳理——这些被 AI 编程热潮掩盖的传统技能，正在以"救命服务"的形式回归。
AI 工具越是强大，确定性工具的配套需求就越大
更值得关注的是，这条产业链不是线性的，而是循环的：
用 AI 写 → 代码膨胀 → 雇人清理 → 继续用 AI 写 → 再次膨胀 → 再雇人清理
这个循环的荒诞之处在于：两边都在赚钱，但总成本比"从一开始就写好"高得多。
但问题是——"从一开始就写好"在 AI 时代已经变成了一个不现实的假设。当 Claude Code 能在 30 秒内生成一个完整功能模块，没有人会拒绝。速度的诱惑太大了。
四、各方观点：HN 社区在讨论什么
Hacker News 上关于 Slopfix 的讨论帖有 78 分、33 条评论。数字不算爆炸，但讨论质量极高。我整理了几个有代表性的观点：
"这不是反 AI，这是 AI 的必然副产品。" —— 最高赞评论一针见血。AI 编程工具的定位从来不是"写出高质量代码"，而是"快速生成能跑的代码"。维护性是另一个维度的问题。
"三明治模式才是正解。" —— 这是讨论中反复出现的一个概念，源自 replicated.live 的文章《Automating AI Away》。核心思路是：用确定性工具夹住非确定性的 LLM。让 LLM 负责创意和决策，但让 lint、测试、类型检查这些确定性工具负责把关。AI 写的代码需要通过严格的流水线才能合入。
"写好你的 CLAUDE.md。" —— 多位工程师分享了一个非常实操的经验：花半小时写一份清晰的 CLAUDE.md 文件，告诉 AI agent 你的项目结构、编码规范、禁止事项，能大幅减少 AI 生成的垃圾代码量。这个投入回报率极高。
"问题不在 AI，在我们怎么用。" —— 有评论指出，把 AI 当成"自动代码机"而不是"结对编程搭档"，是产生屎山的根本原因。当你把 prompt 从"帮我写一个用户认证模块"改成"帮我 review 这段认证代码，看看有没有安全漏洞"，AI 的输出质量会发生质变。
这里我想插一个身边的真实案例。上个月朋友创业团队做了一个 SaaS 后台，六个人用 Cursor 写了三周，代码量冲到 8 万行。功能都能跑，但 CI 时间从最初的 40 秒涨到了 11 分钟——因为 AI 每次都 import 了不同的库，依赖树像圣诞树一样挂满了装饰品。他们花了两周做 dedup，删掉了 30 个重复的 npm 包，CI 时间才回到 2 分钟以内。
这就是 AI 编程的"隐性成本"——它不在写的时候体现，而是在维护的时候集中爆发。
Slopfix 团队成员 Krzysztof——三十年的经验告诉他们什么是能维护的代码
这些讨论的共同指向是：AI 编程已经过了"能不能写"的阶段，进入了"怎么写才对"的阶段。
五、我的判断：国内的认知差值得关注
翻了一遍 B 站和知乎上 AI 编程相关的内容，我注意到了一个明显的认知差。
B 站搜索"AI 代码"，前十名全是教程和课程：
"零基础小白也能用 AI 写代码" "AI 编程工具全网最全对比" "三分钟学会用 Cursor 开发 App"
知乎热榜上，15 条话题没有一条跟 AI 相关。
不是说这些内容没价值——入门教程永远有需求。但问题是：当国际社区已经开始讨论"AI 代码的治理"时，国内的主流叙事还停留在"AI 编程入门"。
这种认知差至少滞后了 6 到 12 个月。
我前阵子帮一个朋友的团队做代码 review，发现他们的代码库里有一个模块——整整 8000 行，结构完全一样，只是变量名不同。一问才知道，是三个不同的开发者在不同时间用 Cursor 生成的，AI 每次都"重新发明"了一遍。这段代码跑了三个月没人发现，因为"功能正常"。
这让我想到一个画面：一个城市，所有人都在学开车（AI 编程入门），但没人建红绿灯（代码规范），没人修路（架构设计），没人管事故（代码审查）。结果就是——早晚得出事，而且出事的时候，已经有成千上万辆车在路上。
六、值得关注的方向：三件你现在就能做的事
从 HN 社区的讨论里，我提炼了三条可以立刻落地的建议。不是空泛的"要注意代码质量"，而是具体的操作。
1. 写一份 CLAUDE.md（投入 30 分钟，收益持续）
如果你用 Claude Code 或 Cursor，花半小时写一份项目级的 CLAUDE.md。内容包括：
项目是做什么的（一句话） 目录结构和各模块职责 代码风格要求（命名、缩进、注释规范） 明确禁止的行为（禁止重复造轮子、禁止引入不必要的依赖、禁止生成超过 200 行的单个文件）
一份好的 CLAUDE.md 就是给 AI agent 戴上的"短绳"。Slopfix 说他们"用 Claude Code 但拴着很短的绳"，这个绳就是 CLAUDE.md。
2. 建一条"码门"（lint + test + type check 自动化）
不管你用什么 AI 工具，在代码合入之前加一道自动化门禁：lint 检查 → 单元测试 → 类型检查。输了不让进。
这和 replicated.live 提出的"三明治模式"是同一个思路——用确定性的工具夹住非确定性的 AI。AI 可以天马行空地写，但写得不对就进不了代码库。
3. 定期做"代码减肥"（3 个月一次）
就像房间需要定期大扫除，AI 辅助开发的项目尤其需要定期清理。三个月做一次：
找重复代码（ jscpd或sonar一键扫描）删未使用的依赖和文件 Review 最近新增模块是否跟现有结构一致
这个习惯在 AI 编程时代比以往任何时候都重要——因为 AI 不会主动告诉你"这段代码已经有了"。
Slopfix 的故事是一个信号：AI 编程的下半场，不是"怎么让 AI 写更多代码"，而是"怎么让 AI 写的代码能长期维护。"
如果你觉得这篇文章有意思，或者你已经在团队里遇到过 AI 代码屎山的问题——欢迎评论区聊聊。你做了哪些措施？效果怎么样？
下期想看什么方向？评论区告诉我。
参考来源：
Slopfix 官网：https://odra.dev/slopfix/[1] Hacker News 讨论：https://news.ycombinator.com/item?id=48771200[2] Automating AI Away：https://replicated.live/blog/away[3]
一句话总结：AI 编程的第一波让你写得更快，第二波让你清理得更勤——聪明的团队现在就开始建"码门"了。
这里是「AI工程手记」。
我会持续更新 AI 工程、Agent 工作流、自动化实战和开源项目观察。
关注 AI 工程怎么真正跑起来。
引用链接
[1]https://odra.dev/slopfix/
[2]https://news.ycombinator.com/item?id=48771200
[3]https://replicated.live/blog/away