

> 一篇论文的数据，和一个反直觉的判断


![16_9_horizontal_Chinese_articl_2026-07-09T02-16-38.png](https://developer.qcloudimg.com/http-save/yehe-11177336/8aa89b056671fffc8f316e545b5ce09b.png)


SonarSource 上个月发了篇论文 *Does Code Cleanliness Affect Coding Agents?*，抛出的问题很直接：**代码干不干净，到底影不影响 AI 编码智能体的干活效率？**

结论先说：代码越干净，智能体消耗的 token 越少、回看文件的次数也少。听起来像是"Clean Code 教条又赢了"对吧？

**但我看完数据之后，想说的恰恰相反：综合人力时间成本和 token 消耗来看，代码简洁这件事，在 AI 协作时代确实贬值了。** 不是说不重要了，是说它的投资回报率变了，而且变了不少。

---

## 一、论文说了什么

他们用"最小对立对"的思路——同一套架构和行为的仓库，只改干净度——在 Claude Code 上跑了 660 次试验。三个核心数字：

| 指标 | 干净侧 | 脏侧 | 差值 |
|------|--------|------|------|
| **Pass Rate** | 91.3% | 92.1% | −0.9pp（基本没差） |
| **输入 Token** | 基准 | +7.1% | −7.1% |
| **输出 Token** | 基准 | +8.5% | −8.5% |
| **推理字符数** | 基准 | +11.1% | −11.1% |
| **会话轮次** | 基准 | +7% | −7% |
| **文件回看次数** | 显著更少 | 频繁回头 | **−34% ★ 最大效应** |


![16_9_horizontal_Chinese_articl_2026-07-09T02-18-25.png](https://developer.qcloudimg.com/http-save/yehe-11177336/7b3559c9822e18577866cc094a096c90.png)


三个发现拆开看：

- **能不能干完？** 0.9 个百分点的差距基本是噪声。**干净代码不提升正确性。**
- **干活的代价？** 干净侧输入 token 少 7%、输出少 8.5%、文件回看少 34%。文件回看降幅最大，被解读为智能体对改动的不确定性降低了。
- **任务类型有影响？** 跨模块改动（multi-module）效应最强；但那些被重构成一堆小方法的认知热点（cognitive-hotspot）反而 token 差不多——因为重构把复杂度重新分配到了更多方法里，总阅读量没真正降下来。

**一个很诚实的方差警告：** 同一个任务跑 10 次，token 用量能差 **2.5 倍**；72% 的任务组内比值超过 2×。27 个真实任务里只有 16 个干净侧更省 token，还有 **11 个反而更费**。按任务看 input token 差值范围从 **−47% 到 +44%**，中位数 −4.5%。所以那个"−7%"是几百次试验池化后的均值，不是每次都能兑现的承诺。

---

## 二、我的判断：简洁性为什么贬值了

> **核心论点：代码干净度的收益（token 省 ~7%）远小于维持它的代价（人力时间 + 流程摩擦）。在 AI 参与编码的场景下，这笔账的 ROI 已经不如从前了。**

### 1. 正确性不变 = AI 不挑食

这是最硬的数据。把 200 行 god method 拆成 10 个小函数、变量名从 `xfm_q2` 改成 `normalize_query`、删掉死代码——**AI 干同一件事的成功概率几乎不提高**（91.3% vs 92.1%）。

"为了以后好维护所以现在要写干净代码"这个经典论据里，"以后的维护者可能是 AI"这个分支基本被砍掉了。

### 2. 7% 的 token 节省，值多少？

算一笔粗糙但方向正确的账：

- SWE-bench 上单任务平均约 400 万 token，7% ≈ 省 **28 万 token/任务**
- 按 Claude Sonnet 4.6 定价，单任务 token 成本约 $1~$2，7% 大概省 **$0.07~$0.14/任务**
- 一个团队每周花在风格 review、lint 修复、重命名争论上的时间：**至少 5~10 人时/周**
- 一次"代码质量专项" refactor sprint：**2~5 人天**

就算你每天让 agent 跑 50 个任务，一年省的 token 钱也就几千美元；维持"干净"的人力成本，一年轻松十几万到几十万人民币。**数量级不对等。**

### 3. 方差大到你不该依赖它

前面说了，同一任务 10 次差 2.5 倍，27 个任务里 11 个反而是脏侧更省。**你不能指望"把代码弄干净就能稳定省 token"——它更像统计趋势，不是每次兑现的承诺。**

### 4. 认知热点任务的"中性"结果

把大方法拆成多个小方法，智能体反而要读更多文件才能拼出全貌。**复杂度没被消除，只是被重新分配了。** 很多我们以为的"代码改进"（过度拆方法），对人类更易读，对 AI 未必——它的上下文窗口有限，分散的信息反而增加拼接成本。

### 5. 维护干净代码的真实成本清单

- **PR 审查中的风格争论**——"这里该拆两个方法""命名不够语义化"，每次 10~30 分钟
- **Lint / 静态分析告警修复**——有些真问题，很多只是风格偏好
- **Refactor sprint**——通常占 sprint 容量 10~20%
- **新人上手成本**——规范越多工具链越重，新人越容易被打回
- **团队共识成本**——"什么算干净、什么级别值得 block merge"，这些讨论本身就是开销

这些都是**持续性、复利、常被隐性化**的成本。而它的回报，在 AI 时代主要是省约 7% token 和减少文件回看。

---

## 三、不是让你去写垃圾代码

我说的是"**没那么重要了**"，不是"不重要了"。几个地方干净代码依然值钱：

- **人类还要读的代码**——团队有新人要看代码理解业务，可读性仍是第一优先级
- **跨模块导航**——论文里 multi-module 效应最强，说明架构层面的清晰对 AI 确有助益（这是"模块边界"级，不是"变量命名"级）
- **长期自增强效应未知**——论文没测"干净代码会不会引导智能体产出更干净代码"，如果是正反馈循环，长期价值可能比单任务 7% 大得多，但目前是 open question

所以我建议的是**务实分级**，不是一刀切：

| 等级 | 做什么 | 理由 |
|------|--------|------|
| **必须做** | 模块边界清晰、公共 API 有文档、无死代码、无安全漏洞 | 人和 AI 都受益，出错成本高 |
| **值得做** | 关键路径方法控长度、避免深层嵌套、有意义命名 | 对人类可读性和 AI 多模块导航都有帮助 |
| **可以放** | 变量命名完美主义、过度拆小方法、严格 lint 规则集、纯风格类 PR block | ROI 在 AI 时代已下降，投入产出不成比例 |

---

## 四、总结


![16_9_horizontal_Chinese_articl_2026-07-09T04-12-45.png](https://developer.qcloudimg.com/http-save/yehe-11177336/fdf43d3664af5f6ebb5c47e65e7efbff.png)


这篇论文给我最大的启发，是它提供了一个**量化框架**，让我们重新审视一个被默认接受太久的假设。

Clean Code 作为工程文化有价值。但当你的协作伙伴从纯人类变成人 + AI 的混合体，这个价值的权重需要重新计算。论文数据很诚实：pass rate 不变、token 省 7%、方差巨大。把这些数字放进真实的工程经济学模型，**过去那种"不惜一切代价保持代码整洁"的策略，在今天已经不是最优解了。**

与其在变量命名和方法行数上较劲，不如把精力放在模块划分、API 设计、测试覆盖这些人和 AI 都真正受益的地方。至于那些纯粹的风格洁癖——

**放下吧，时代变了。**

---

## 原文

《Does Code Cleanliness Affect Coding Agents? A Controlled Minimal-Pair Study》 Priyansh Trivedi, Olivier Schmitt 

*注：本文观点为作者个人判断，不代表论文作者立场。*


SonarSource 上个月发了篇论文 Does Code Cleanliness Affect Coding Agents?，抛出的问题很直接：代码干不干净，到底影不影响 AI 编码智能体的干活效率？

放下代码洁癖，享受挖坑人生

高级软件开发工程师

编程语言

人工智能

职业发展

"AI时代代码整洁度价值重估：SonarSource论文揭示CleanCode对AI编码效率影响有限。数据显示干净代码仅节省7%token但人力维护成本高昂，正确率无差异。建议分级优化：优先模块设计而非变量命名等细节，在AI协作中重新平衡代码质量ROI。"

智能体

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

放下代码洁癖，享受挖坑人生-腾讯云开发者社区-腾讯云

放下代码洁癖，享受挖坑人生

放下代码洁癖，享受挖坑人生

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐