AI 辅助开发越写越乱？一个新媒体运营的真实困境与解法
背景
一位新媒体运营从业者，在 B 站学过基础的前端三件套 + Node.js，靠 GPT 做了一个新闻情报采集 + AI 自动出稿的网站，确实提高了工作效率。但做着做着，项目越来越乱，最终发帖求助。
三大痛点
1. 项目结构失控
"刚开始 AI 生成的时候还挺清晰，但是随着功能越加越多，慢慢地我自己都不知道哪个文件在干什么了。"
这是 AI 辅助开发最常见的问题。AI 擅长生成代码，但不擅长维护整体架构。每次加功能都是局部优化，没有人从全局视角审视项目结构。
2. AI 过度开发
"很多她建议我加，但是我自己也不确定该不该加就全都加上了。"
AI 助手往往会"热心"地建议添加错误处理、日志记录、缓存层等，对于经验不足的开发者来说，很难判断这些建议是否真的需要。结果就是代码越堆越多，真正有用的可能只有一半。
3. 数据库结构混乱
"每次加功能 AI 就给我加字段、加表。现在一个表里有 30 多个字段，有些字段我完全想不起来是干嘛的。还有几张表互相外键引用……"
数据库是项目的根基，一旦设计不好，后续改动成本极高。AI 倾向于"加字段"而不是"重构表结构"，因为加字段是最简单的解决方案。
问题根源
这位用户的经历反映了一个本质问题：需求驱动的增量开发 + 缺乏架构规划 = 混乱
他的项目演变路径是这样的：
- 先抓取公众号情报
- 加上网站抓取
- 加上 RSS 订阅
- 加上新闻线索分类筛选
- 加上 AI Agent + Tool 自动筛选填入
- 加上自动出稿
- 加上多来源相同线索合并
每一步都是"今天有一个功能需求就做一个"，没有停下来想过整体架构。
社区解法
方案一：使用 Harness 框架
"可能你需要 harness，现在挺多 harness 框架的。"
Harness 框架可以帮你管理 AI 的开发行为，让它在固定的架构约束下工作，而不是随意发挥。
方案二：先写架构文档再让 AI 写代码
在让 AI 写代码之前，先自己（或让 AI 帮你）写一份架构文档：
- 项目分为哪几层？（数据层、业务逻辑层、展示层）
- 每个模块的职责是什么？
- 模块之间如何通信？
- 数据库表的设计原则是什么？
方案三：定期重构
每隔一段时间（比如每加完 3 个功能），停下来做一次重构：
- 删除无用代码
- 合并重复逻辑
- 重新组织文件结构
- 清理数据库冗余字段
方案四：用 CLAUDE.md / Cursor Rules 约束 AI
给 AI 一份项目规则文件，明确告诉它：
- 项目的技术栈和架构风格
- 代码组织方式
- 数据库设计规范
- 什么该加、什么不该加
方案五：拆分微服务
当一个项目变得太复杂时，考虑拆分成多个独立的服务：
- 采集服务（负责抓取各来源数据）
- 处理服务（负责分类、筛选、合并）
- 生成服务（负责 AI 出稿）
- 展示服务（负责前端界面）
对非专业开发者的建议
- 不要害怕重构：AI 生成的代码不完美是正常的，定期清理是必要的
- 学会说"不"：AI 建议加的功能，先问自己"我真的需要吗？"
- 数据库设计要谨慎：宁可多花时间设计表结构，也不要事后改
- 保持简单：能用一张表解决的问题，不要用三张表
- 记录决策：为什么加这个字段？为什么用这个表？记下来，三个月后你会感谢自己
注：这不仅适用于 AI 辅助开发，任何增量式开发都容易陷入这个陷阱。AI 只是加速了这个过程。