Aufräumen von AI-generiertem Legacy-Code mit Cursor-Regeldateien
TuBrief 편집팀
2026년 8월 25일
0
Computing/Software원본 영상을 바탕으로 AI의 도움을 받아 작성했습니다. 원본 영상이 기준입니다.
커뮤니티의 다른 글
댓글 (0)
Log in to leave a comment
아직 작성된 글이 없습니다
원본 영상을 바탕으로 AI의 도움을 받아 작성했습니다. 원본 영상이 기준입니다.
Log in to leave a comment
아직 작성된 글이 없습니다
Von AI geschriebener Code neigt dazu, sich zu einzelnen Skripten zu ballen. Monolithische Großobjektmuster entstehen und zerstören die bestehende Struktur. Das ist der Grund, warum Entwickler mit drei bis sieben Jahren Erfahrung wöchentlich acht Stunden nur für das Debugging aufwenden. Sie überspringen das Refactoring und fügen kontinuierlich neuen Code hinzu.
Erstelle ein .cursor/rules-Verzeichnis im Projektstamm und lege .mdc-Regeldateien hinein. Aktiviere die Option alwaysApply: true in der Core-Architecture-Guideline-Datei. Fixiere die Abhängigkeitsrichtung in der Reihenfolge Presentation -> Application -> Domain -> Infrastructure. Beschränke die Dateilänge auf maximal 150 Zeilen.
Wenn du bereits verwickelte Komponenten korrigierst, gib nacheinander drei Prompts ein. Analysiere zuerst den Legacy-Code, um Typen zu extrahieren. Löse im nächsten Schritt die Geschäftslogik mit einem 100-zeiligen Custom Hook heraus. Verknüpfe schließlich Vitest und MSW, um Unit-Test-Code zu generieren. Durch diesen Prozess sinkt die Debugging-Zeit auf unter drei Stunden pro Woche.
Der TypeScript-Compiler allein kann die von der AI eingeworfenen API-Antwortfehler oder Fehler in bedingter Logik nicht vollständig abfangen. Typen müssen an den Laufzeitgrenzen konsequent abgesichert werden. Erstelle eine Schema-Schicht mit Zod und Effect. Zod übernimmt die Validierung externer APIs, während Effect die interne Domänenlogik verwaltet.
Du musst das Fundament so legen, dass das Zod-Schema zuerst deklariert wird. Lass die AI zunächst ein Zod-Schema zur Validierung der Eingabewerte einer API zur Aktualisierung des Benutzerprofils erstellen. Fordere im Anschluss die Implementierung einer Servicefunktion an, die dieses Schema und die Typen entgegennimmt, um die Datenbank zu aktualisieren. Kombiniere dies mit einer Parsing-Logik, die bei einem Validierungsfehler einen 400er-Fehler ausgibt.
Verbinde Dependency-Cruiser mit der CI-Pipeline, um zu verhindern, dass fehlerhafter Code in den Main-Branch gelangt. Trage Regeln gegen zyklische Abhängigkeiten und Schichtverletzungen in die Konfigurationsdatei .dependency-cruiser.cjs ein. Verankere den Befehl npx depcruise --config .dependency-cruiser.cjs src in den GitHub Actions. In der Pull-Request-Phase wird Code, der gegen die Architektur verstößt, automatisch herausgefiltert.
Aufgrund der Grenzen ihrer Trainingsdaten vermischt die AI bei der Verwendung aktueller Frameworks wie Svelte 5 oder Next.js 14 oft alte Versionen mit der neuen Syntax. Dies ist die Hauptursache für auftretende Build-Fehler. Die zentralen Migrationsleitfäden der offiziellen Dokumentation müssen komprimiert und in den Kontext eingespeist werden.
Erstelle im Inneren des Projekts ein separates Dokumentationsarchiv für aktuelle technische Spezifikationen. Lege im Projektstamm einen .docs-Ordner an und speichere die Migrationsleitfäden als Markdown. Bereinige das Rauschen, indem du Node-Module und den Build-Ordner in die .cursorignore-Datei einträgst. Nutze Prompts, die direkt auf das Dokument @.docs/svelte5-migration.md verweisen, um Code mit aktueller Syntax zu erzeugen. Die Zeit, die mit der Suche nach Fehlern in der alten Syntax verschwendet wird, entfällt.