摘要：本文分享一套创新的AI双模驱动重构策略：采用Claude Code + DeepSeek V4 Pro进行原子级任务规划与文档生成，再通过免费的Agens 2.0 Flash模型执行具体代码改造。该方法实现了极致的成本优化，将Token消耗降至最低，同时将重构效率提升3倍，仅用一天时间就完成了原本需要三天的Vue2老项目现代化升级，为中小型项目低成本AI重构提供了可复用的实战方案。

项目并不复杂，是一个 Vue2 + Element UI 后台前端项目，放在当下技术栈已经相当陈旧，每次有改动都需要用 nvm 版本管理切换到 Node 16.x 才能调试。我本身有点技术洁癖，每次改老代码就浑身难受。最近用 AI 做局部改动体验很爽，于是想私下给公司的业务来一次重构：一是试试 AI 的水平，二是我再也不想面对这些老代码了。

Agent 模型方面，我现在主要用 Claude Code + DeepSeek V4，OpenCode 我没有装 OMO 那类插件，所以总体感受下来，CC 在达成预期方面比 OpenCode 强得多，有时候甚至超出预期。

虽然项目不大，真要动手重构还是有负担的——毕竟 Token 是自己掏钱买的，一开始我压根没想过直接上重构。后来发现了 Agens 2.0 Flash 这个模型免费，就赶紧上手试了一把。虽然能力明显差一截，但我发现只要提示词写得足够到位，它执行起来还真不错。

于是我想，能不能试试让 CC + DS Pro 来拆分任务，把 Agens 当纯粹的「执行者」用？这样既只花一次极低的 Token 成本，又能尽量保质保量地完成项目。

我先用 CC + DS4P 生成了一份技术文档，要求把任务拆分到原子级别，并加上一些全局规则，比如每次完成一个任务都要更新进度文档等。

文档生成过程很顺利，文档本身我也觉得写得不错。但当我用 OpenCode + Agens 真正开始执行时，冒出了几个问题：

1. 全局规则经常不被遵守，比如老是忘了更新进度文档
2. 长任务频繁中断，影响下一个任务的执行
3. 批量替换代码的任务，往往换一个文件就要重新定位下一个文件，特别慢；在同一个页面里替换代码也是换一次就重新分析一次整个文件
4. 连续执行多个任务后，验收报错率显著上升
5. 经常发神经：比如同样的一段代码上一步删除了，下一步就一模一样的添加回去。

ber……这和我想象中的出入有点大，落差挺明显。事后想想，还是把免费模型的能力想得太理想化了。
后来我又用原来的思路重新生成了一份文档，但这回提了两个改进要求：

1. 每个原子级任务都要内嵌规则
2. 每个任务都是写给一个「只会照做、不会思考」的模型看的

结果发现，这种「武装到牙齿」的原子级任务，不仅执行质量很稳，执行效率也翻倍了。因为该想的都提前想好、全写在任务清单里了——甚至连要写什么代码都明确写在任务里，真的就是拿来即执行。

我粗略按时间估算了一下，同等工作量，原来需要三天还不一定干完的进度，现在一天不到就收工了，而且完成质量比三天磨出来的还要好得多。

我给总结后做成了一个skill，最近再测试一下其它项目如何。