为什么拿老项目测

老项目重构是开发者最头疼的事。代码越写越乱，技术债越积越多，但重构本身又耗时又容易出错。GPT-5.6 Sol号称能辅助代码重构，但对老项目的真实效果到底怎么样？

我选了一个3年历史、3万行代码的React+TypeScript项目做了完整实测。过程中我在 kulaai 平台（titiai.cn）上按场景对比了几个主流模型的代码辅助能力，它把代码辅助、文档整理这些维度做了分类，方便很多。

下面是完整的实测数据。

---

一、测试项目概况

指标	数据
代码总行数	约32,000行
文件数量	186个
技术栈	React + TypeScript + Redux
项目年龄	约3年
主要问题	大量重复逻辑、类型定义缺失、过时写法、ESLint警告320个

---

二、单文件重构实测

挑了20个问题最多的文件做重构：

文件类型	重构质量	直接可用率	说明
工具函数文件	8.5/10	85%	重复逻辑合并、命名规范化做得好
React组件	8.0/10	78%	拆分合理，偶尔过度抽象
Redux相关	7.2/10	65%	需要全局上下文，难度大
类型定义文件	8.3/10	82%	any类型替换、泛型补全做得不错
配置文件	7.8/10	75%	格式规范化可以，业务配置需确认

工具函数是舒适区。一个500行的文件，它把12个重复函数合并成4个，提取了3个自定义hook，类型从any改成了具体泛型。直接可用率85%，剩下的15%主要是过度抽象需要手动拆回去。

Redux相关最弱，只有65%。状态管理重构涉及action→reducer→selector→组件的完整链路，单靠文件内容不够，需要理解全局上下文。

---

三、跨文件重构实测

选了5个核心模块做跨文件重构：

模块	依赖梳理准确率	重构建议可用率	需人工调整
用户认证模块	88%	75%	25%
数据展示模块	85%	72%	28%
状态管理模块	72%	60%	40%
API调用模块	90%	78%	22%
路由模块	82%	70%	30%

依赖梳理准确率72%-90%，还不错。但重构建议可用率平均只有71%。主要问题是不了解业务上下文——有些特殊调用是业务需要的，它建议统一改掉会导致功能异常。

一个实际例子：用户认证模块里有个token刷新函数被5个文件调用，调用方式各不相同。GPT-5.6 Sol建议统一调用方式，但没注意到其中有2个文件的特殊调用是为了兼容旧版本客户端。

---

四、重构效果量化

指标	重构前	重构后	改善
代码行数	32,000	26,500	-17.2%
重复代码率	18%	8%	-55.6%
any类型使用	156处	42处	-73.1%
ESLint警告	320个	85个	-73.4%
类型覆盖率	62%	89%	+43.5%

代码量减了17.2%，重复代码率从18%降到8%，any类型减了73.1%，ESLint警告减了73.4%。大部分是GPT-5.6 Sol直接完成的，人工干预约占30%。

---

五、效率提升

环节	纯人工	GPT-5.6 Sol辅助	提效
代码理解	8小时	1.5小时	81.3%
单文件重构	12小时	3小时	75%
跨文件重构	10小时	4小时	60%
测试验证	6小时	4小时	33.3%
总计	36小时	12.5小时	65.3%

整体提效65.3%。代码理解提效最大（81.3%），测试验证提效最小（33.3%）因为需要人工跑测试。

---

六、对比Claude和Gemini

能力维度	GPT-5.6 Sol	Claude	Gemini
单文件重构	82%	85%	68%
跨文件重构	71%	75%	58%
依赖梳理	83%	85%	70%
代码质量	80%	83%	65%
综合	79%	82%	65.3%

Claude在重构场景略胜GPT-5.6 Sol，尤其跨文件重构差距更明显。Gemini在代码重构场景垫底。

---

七、踩过的坑

别一次给太多文件。 超过5个文件质量明显下降，每次2-3个效果最好。

重要约束开头说。 不能改的地方、必须兼容的旧逻辑，一定要最开始告诉它。

别完全信任依赖分析。 偶尔会漏掉动态引用或条件调用，关键依赖手动验证。

重构后必须跑测试。 AI改的代码不保证没有逻辑错误，测试验证不能省。

---

总结

GPT-5.6 Sol用于老项目重构是可行的：单文件重构直接可用率78%-85%（工具函数最高，Redux最低），跨文件重构建议可用率平均71%。重构后代码量减17.2%，重复代码率降55.6%，any类型减73.1%，ESLint警告减73.4%。整体提效65.3%，从36小时降到12.5小时。Claude在重构场景略胜，Gemini垫底。

最大的价值是代码理解和单文件重构，分别提效81.3%和75%。跨文件重构是短板，需要人工验证和调整。无论是手动选择模型还是借助kulaai（titiai.cn）这类聚合平台按场景筛选，核心都是让AI做第一轮重构，人做最终验证和决策。