使用 AI 助手的开发人员经常会继承他们不理解的微妙架构缺陷或依赖关系。一个 Linter 可以标记问题模式，例如紧耦合模块或脆弱的基于提示的逻辑。
该工具将分析提交历史，以区分人类编写的代码和 AI 生成的代码，然后评估可维护性风险。工程经理将付费以避免未来的重写成本。
从一个对拉取请求进行评分的 GitHub Action 开始。挑战在于平衡误报和可操作的见解——过于严格的规则将被忽略。
aicode-qualitytechnical-debt
AI 问责制验证工具
创建一个工具，自动审计 AI 生成代码中隐藏的技术债务。面向采用生成式 AI 的工程团队。
为什么是现在
随着团队争相实施 AI 编码工具，许多团队正在不知不觉地积累难以维护的输出。
- 做给谁
- 工程经理
- 商业模式
- 按席位许可
- 投入量级
- 几个月