你敢信？现在AI写代码写出的烂摊子，已经催生了一门专门的“擦屁股”生意。 不少团队靠Vibe Coding（也就是大家说的“氛围编程”，全程靠感觉指挥AI写代码，不做严谨的架构设计）快速搭出产品原型，结果项目越做越大，代码越堆越乱，改个功能能带崩三个模块，加新特性比登天还难。三个加起来有30年开发经验的工程师看准这个痛点，成立了专门清理AI烂代码的团队Slopfix，收费模式相当硬核：一周服务周期，基础报价1万美元，按实际代码精简比例结算。
专给AI擦屁股的代码清理公司，怎么干活？
Slopfix的服务规则相当实在：
- 先做免费代码库初评，判断救不了直接不收钱；能救就给固定报价，明确承诺代码精简目标，比如“功能完全不变，10万行代码砍到3.5万行”，最终费用按目标完成比例折算——比如承诺代码量减半只做到了缩减20%，客户只需要付40%的费用，达到或超过目标才付全款
- 代码行数用scc工具统计，只算有效非空非注释行，明令禁止耍花招的“代码高尔夫”式压缩——不会为了凑KPI删注释、把代码挤成难读的一团
- 正式干活前先和客户把所有功能、页面、接口全捋一遍，列成QA检查清单，避免重构把原有功能改没了
- 清理阶段会合并重复逻辑（比如把14套不同的日期格式化代码合成一套），把团队瞎写的自制轮子换成成熟开源库，实在救不了的烂模块就提取功能后重写
- 交付时除了精简后的代码、QA检查清单，还会送一套防止代码再失控的工程护栏：包含CLAUDE.md指引、代码检查规则、CI检查流程，避免后续AI再把代码写烂，还有两周免费质保，改坏了原功能免费修，所有交付成果全归客户所有 有意思的是，Slopfix团队自己也会用Claude Code干活，但他们明确强调：AI只有干活的份，没有决策权，所有架构判断全由三个资深工程师拍板，毕竟他们见过太多AI为了快速实现功能，不管架构乱堆重复代码的坑——AI看不到项目全貌的时候，只会不停复制重复逻辑，越堆冗余越多。
三个Rust老兵组成的“代码清道夫”
能吃下这碗饭，Slopfix的三人组确实有硬实力。 Maciej、Kuba、Krzysztof三个人已经搭档了4年多，之前一起做Rust智能合约开发框架Odra——做智能合约和底层Rust开发，最讲究的就是类型安全、代码复用、接口边界清晰、长期兼容，刚好踩中AI代码的所有通病：重复实现、架构混乱、抽象缺失、难维护。
- Maciej是团队的技术负责人，之前是Odra的CTO，还在区块链公司CasperLabs做过生态负责人和核心开发者，很早就研究过AI生成智能合约的相关问题
- Kuba是工程主力，一直深耕Rust工程实现和开发工具链，是Odra命令行工具的主要维护者
- Krzysztof是工程骨干，技术栈横跨Android、Java、Kotlin、Rust、WASM多个领域，负责过Odra多链适配、代码生成相关的核心工作
这门新生意吵翻了开发者圈
Slopfix刚官宣就引爆了开发者社区，支持和反对的声音吵成一团。 不少开发者觉得这门生意早晚会出现：现在已经有不少人在接类似的活，帮那些不懂技术、全靠Claude写代码的创业公司老板收拾烂摊子。有人把AI编程的用户分成三类：完全不懂代码纯靠AI瞎写的、懂开发流程但不会写代码的、能审核代码给AI定规矩的工程师，三类项目的代码质量天差地别，让第三类人去收拾第一类人的烂摊子，确实有真实需求。 “AI本质上是用有歧义的自然语言去描述精确的程序逻辑，写点小模块、做个搭积木一样的demo确实好用，但项目一复杂、要对接异构系统、得全局理解整个架构的时候，AI就直接拉胯了。”有开发者吐槽，这股AI万能的劲儿，和当年吹得天花乱坠、说要取代程序员的xUML简直一模一样。 但反对的声音也相当尖锐： 有人直接嘲讽这是伪需求，觉得连一个愿意掏钱的客户都找不到；有人觉得用AI写出来的膨胀代码库，再用AI去瘦身，就像给音视频做两次有损转码，两次的误差不会抵消，只会叠加得更离谱；还有人点出了最现实的问题：如果客户有能力把所有业务逻辑、隐藏规则、边界条件都讲得明明白白，一开始就不会攒出这么一坨烂代码。更何况复杂业务里的隐藏逻辑、历史兼容问题，一周时间根本摸不透，两周质保更是短得可笑，很多藏得深的bug要几个月才会暴露。 还有人提出不如直接用最新的大模型把系统重写一遍，但马上有人反驳：跑了很久的旧代码里藏了太多没写进文档的隐含规则，哪怕写得烂，也是经过真实场景验证的，直接推倒重来的风险比重构还大。
【编辑观察】其实大家争的根本不是这门生意能不能成，而是戳破了现在AI编程的“皇帝新衣”：模型永远倾向于找最快解决当前问题的局部补丁，根本不会主动维护架构边界，要是没有懂行的工程师从一开始给AI套上“紧箍咒”，再大的上下文窗口，最后也只会攒出一座改不动的屎山。
研究实锤：22.7%的AI代码bug，拖9个月都没修
Slopfix的出现不是偶然，AI写代码攒技术债的问题，早就有大规模研究证实。 一篇名为《AI繁荣背后的技术债：真实场景下AI生成代码的大规模实证研究》的论文，追踪了GitHub上6299个仓库里的302579次经AI生成的提交，结果相当扎心：约22.7%的AI引入的问题，在项目最新版本里依然存在，其中不少问题已经存在超过9个月，根本不会随着时间自动消失。 研究覆盖了GitHub Copilot、Claude、Cursor、Gemini、Devin五大主流AI编程工具，结果没有一个能逃开“写bug”的问题：所有工具都有超过15%的提交引入了至少一个可检测问题，其中GitHub Copilot表现最好，问题提交占比17.4%，Gemini最高，达到29.1%；平均每次提交引入问题数最多的是Claude，单次平均带1.95个问题。
在统计到的48万多个AI引入的问题里，89.3%是“代码异味”——也就是写得不规范、冗余、难维护的问题，比如乱加异常捕获、定义了不用的变量/导入、重复写相同逻辑；剩下6%是功能正确性问题，4.7%是会带来风险的安全问题。不同编程语言的常见坑还不一样：Python容易出宽泛异常捕获、动态类型相关问题，JS/TS则容易出现变量遮蔽、作用域用错的问题。
更讽刺的是，AI确实能修一些简单的问题：对于模式固定的代码异味，AI修复的数量比引入的多一点，净减少7000多个；但涉及到逻辑正确性和安全的核心问题，AI完全是在帮倒忙——正确性问题净增加3742个，安全问题净增加7342个，等于越“修”，藏在代码里的逻辑bug和安全漏洞越多。
说到底，AI只是个工具，从来不是什么能取代程序员的“银弹”。现在靠AI赶项目进度有多爽，后面攒下技术债要还的时候就有多痛苦。是从一开始就给AI定好规矩、做好代码审核，还是等代码烂透了再花大价钱请人收拾烂摊子，是每个用AI做开发的团队都得提前想清楚的问题。
0
评论