企业官网建设流程全解析

目录

背景：大型重写项目的一部分

核心问题：人工智能仍然需要领域专家

第一步：将 RandomNumbers 类引入解决方案

使用 Copilot 来识别实际使用情况

重写类，只保留必需的方法

真正的问题在于：GetUniqueRandomNumbers

Copilot关于异步和性能的建议

架构转变：从领域到基础设施

当你再也看不懂自己的代码时

当人工智能真的帮不上忙的时候

尝试不同的模型：Grok

代码库的当前状态

使用 Copilot 创建集成测试

最终要点

参考

如果您喜欢此文章，请收藏、点赞、评论，谢谢，祝您快乐每一天。

人工智能辅助开发工具通常被宣传为生产力提升工具，可以帮助我们理解、重构甚至重写复杂的代码库。但是，当代码老旧、编写糟糕且文档不完善时，它们的实际表现如何呢？

在本文中，我将通过一个实际示例，演示如何在 Visual Studio 2026 中使用 GitHub Copilot 重写遗留 C#/.NET 应用程序的一部分——具体来说，是位于系统核心的随机数生成器。

这并非一个精心设计的演示，而是对人工智能遇到混乱的遗留代码时会发生什么情况的实际展现。

背景：大型重写项目的一部分

这段视频是我即将推出的系列视频的一部分，在这个系列中，我将重新审视多年前我开发的一个应用程序。在之前的几集中，我解释了该系统的总体目标和重写策略。

本节重点在于重写旧版应用程序使用的 RandomNumbers 组件。

这里的主要目标不是为了风格而重构，而是为了理解意图、简化行为，并做出在原始代码中从未明确表达过的架构决策。

核心问题：人工智能仍然需要领域专家

这段重写代码提供了一个实际示例，展示了如何使用 Copilot 来处理编写不佳的代码。

这项练习最重要的结论很简单：

进行重大重写时，开发人员仍然需要对应用程序实际要实现的目标有深入的领域知识。

人工智能可以提供帮助，但它无法取代理解。

在常见的现实场景中，这一点尤其如此：

• 原开发人员已离开公司。
• 几乎没有相关文件。
• 这段代码“能运行”，但仅仅是因为存在一些未记录在案的假设。
• 有些快速技巧只有原作者才能理解。

当遗留代码既老旧又编写糟糕时，事情很快就会变得非常棘手。

第一步：将 RandomNumbers 类引入解决方案

这个RandomNumbers类是系统的核心组成部分，但在最初的设计中，它位于一个独立的外部库中。第一个实际步骤是将这个类直接引入到解决方案中，以便更轻松地进行审查、测试和重写。

查看原始实现代码后，立刻就能看出这段代码有问题：

• 该课程力求具有多种用途
• 它被设计成可以在假想的未来应用程序中重复使用。
• 它包含许多从未真正使用过的方法。

修订版的目标是将课程精简到实际需要的程度。

namespace Lottron2000.Infra.Utilities;

public interface IRandomNumberGenerator
{
#region Multiple Items
List<int> GetRandomNumbers(int noOfRandomItems, int min, int max);
Task<List<int>> GetRandomNumbersAsync(int noOfRandomItems, int min, int max, CancellationToken ct = default);

List<int> GetUniqueRandomNumbers(int noOfRandomItems, int min, int max);
Task<List<int>> GetUniqueRandomNumbersAsync(int noOfRandomItems, int min, int max, CancellationToken ct = default);
#endregion

#region Single Item
int GetRandomNumber(int min, int max);
Task<int> GetRandomNumberAsync(int min, int max, CancellationToken ct = default);

int GetUniqueRandomNumber(int min, int max);
Task<int> GetUniqueRandomNumberAsync(int min, int max, CancellationToken ct = default);
#endregion
}

使用 Copilot 来识别实际使用情况

Copilot 可以帮助解答一个简单但重要的问题：

实际采用的方法有哪些？

在这种情况下，类中只有两个方法RandomNumbers被调用过。

即使是这样基本的洞察，Copilot 也需要几分钟才能计算出来——单个问题大约需要 3 到 5 分钟。在实际的改写过程中，你可能会遇到 20 到 30 个类似的问题，每个问题都需要时间进行分析。

这凸显了一个令人不安的事实：

有时候，除了手动理解糟糕的代码之外，没有其他捷径可走。

人工智能有所帮助，但它并不能消除认知成本。

重写类，只保留必需的方法

Copilot 的第一个具体任务是重写该类，只保留两个被调用的方法。

这种方法效果还不错。新类已在新解决方案中创建，快速检查后确认只保留了所需的方法。

然而，事情一旦办妥，更深层次的问题就开始浮出水面。

namespace Lottron2000.Infra.Utilities;

public class RandomNumbersGenerator : IRandomNumberGenerator
{

private static readonly ThreadLocal<Random> _threadLocalRandom = new ThreadLocal<Random>(() => new Random(unchecked(Environment.TickCount * 31 + Guid.NewGuid().GetHashCode())));

private Random Random => _threadLocalRandom.Value;

public RandomNumbersGenerator()
{ }

public List<int> GetRandomNumbers(int noOfRandomItems, int min, int max)
{ }

public Task<List<int>> GetRandomNumbersAsync(int noOfRandomItems, int min, int max, CancellationToken ct = default)
{
return Task.Run(() => GetRandomNumbers(noOfRandomItems, min, max), ct);
}

public List<int> GetUniqueRandomNumbers(int noOfRandomItems, int min, int max)
{
return GenerateUniqueRandomNumbersInternal(noOfRandomItems, min, max, CancellationToken.None);
}

public Task<List<int>> GetUniqueRandomNumbersAsync(int noOfRandomItems, int min, int max, CancellationToken ct = default)
{
return Task.Run(() => GenerateUniqueRandomNumbersInternal(noOfRandomItems, min, max, ct), ct);
}

private List<int> GenerateUniqueRandomNumbersInternal(int noOfRandomItems, int min, int max, CancellationToken ct)
{ }

private void Shuffle<T>(IList<T> list, CancellationToken ct)
{ }

#region Single Item Methods

public int GetRandomNumber(int min, int max)
{ }

public Task<int> GetRandomNumberAsync(int min, int max, CancellationToken ct = default)
{
return Task.Run(() => GetRandomNumber(min, max), ct);
}

public int GetUniqueRandomNumber(int min, int max)
{
var result = GenerateUniqueRandomNumbersInternal(1, min, max, CancellationToken.None);
return result.First();
}

public Task<int> GetUniqueRandomNumberAsync(int min, int max, CancellationToken ct = default)
{
return Task.Run(() => GetUniqueRandomNumber(min, max), ct);
}

#endregion
}

真正的问题在于：GetUniqueRandomNumbers

剩余的方法之一GetUniqueRandomNumbers需要仔细审查。

该方法的目的是：

• 生成随机数
• 将先前生成的值存储在内存中
• 确保不退回重复件

几个问题立刻显现出来：

• 执行过程并非确定性的
• 生成 1,000 个不同的数字很容易，但生成 1,000,000 个则要昂贵得多。
• 性能和资源使用量会不可预测地变化
• 由于集合共享，线程安全是一个值得关注的问题。
• 该方法受 CPU 限制，而非 I/O 限制。

这引出了一个重要的设计问题：

这个方法应该采用异步方式吗？

Copilot关于异步和性能的建议

Copilot的指导其实相当可靠：

• 随机数生成受 CPU 限制
• 请勿将其async/await用于纯 CPU 工作——它只会增加开销。
• 如果大型请求可能会阻塞调用线程，则提供卸载选项（例如，Task.Run）。
• 支持取消和进度报告
• 对于小规模工作负载，始终提供快速同步路径。

因此，行为发生了RandomNumbers显著变化：

• 它现在公开了异步/卸载方法
• 大型操作可能需要几秒钟。
• CancellationToken安全需要A

此时，该类已不再符合纯领域对象的定义。

架构转变：从领域到基础设施

从概念上讲，这个类现在的行为更像是：

• 数据库调用
• 文件系统操作
• 一项资源密集型服务

因此，架构设计决定RandomNumbers从领域项目转移到基础设施项目。

完成这项工作后，class就变成了：

• 瘦身
• 更易读
• 更专注于单一职责

当你再也看不懂自己的代码时

接下来是 LotteryNumbersGenerator 类。

这门课看起来至关重要——但即使作为原作者，我也完全摸不着头脑。

我无法自信地回答：

• 每种方法的作用是什么？
• 哪些方法至关重要
• 哪些是多余的或过时的？

经过近两个小时的调查，意图仍然不明。代码中包含太多职责，导致难以判断其正确性。

这里一个重要的区别就显得至关重要了：

代码重写不是重构。

重构保留了现有行为。重写则需要对代码意图有透彻的理解。

否则，你可能会以更简洁的形式延续过去的错误。

当人工智能真的帮不上忙的时候

我尝试使用 Copilot（ChatGPT 5 mini）来讲解课程。

正如预期的那样，它生成了大量文本——但未必能提供有用的信息。我仍然无法判断移除某些方法是否会破坏系统的其他部分。

在这种情况下，Copilot 确实帮不上忙——这也很正常。问题出在代码本身。

尝试不同的模型：Grok

出于好奇，我尝试了另一种模型：Grok（代码）。

我请它解释一个具体的概念：WinningNumberPermutation（中奖号码排列）。

这一次，解释清晰明了，切实可行。

简而言之，排列逻辑表示的是一组预先计算的、有界的有效彩票号码，而不是在彩票环境中没有意义的无界随机值。

这种解释实际上就变成了一种规范。有了这种理解，我就可以自信地重写这个类，并删除旧的冗余代码。

有趣的是，这一见解来自一个尚未被广泛讨论的模型——而且目前也不需要高级会员资格。

代码库的当前状态

现阶段，建筑外观与原貌已大相径庭：

• 一个专注于随机数生成的基准 RandomNumbers 工具。
• 彩票专用逻辑已迁移到更高级别的服务中
• 数据访问被隔离在存储库之后
• 项目间职责划分清晰明确

最初的实现方式将所有内容都塞进了一个类和一个项目中。看起来简洁明了，但实际上代码混乱不堪。

新版本虽然更冗长，但却更容易理解。

使用 Copilot 创建集成测试

接下来，我要求 Copilot 为更新后的生成器创建集成测试RandomNumbers。

关键限制因素：

• 仅进行集成测试（不使用模拟测试）
• 新项目02_Integration
• 每个公共方法对应一个测试类
• 命名规则：_Should

Copilot 总体上取得了成功，但也暴露出了一些局限性：

• 它使用旧版 .NET Framework 创建了测试项目。
• 它没有向实用程序类添加项目引用
• 我忘记指定要测试的确切类名了。

测试本身通过了，而且很简单——但这强化了一个重要的教训。

最终要点

1. 人工智能不能取代理解，尤其是在处理遗留代码时。

2. 不同的模型提供非常不同的价值。高级摘要不足以进行架构重写。

3. 及时准确地说明很重要。对框架版本、引用或约定的假设将会失败。

4. 重写需要意图，而不是清理。将重构后的冗余代码带过来就违背了重写的目的。

人工智能是一个强大的助手——但正确性、架构和意图的责任仍然在于开发者。

如果你正在进行遗留代码的重写工作，或者尝试使用人工智能辅助开发，你的体验很可能非常相似。这些工具固然令人印象深刻，但它们并不能免除我们的思考。

参考

【第一集——GitHub Copilot AI 代码审查】( https://youtu.be/P26t5EVz70U )

【第二集——创建.NET项目和解决方案结构】( https://youtu.be/Vf0yULOHY3I )

【第三集——旧代码重写：随机数生成器】( https://youtu.be/6DuaW9VjQa8 )

如不能打开上面视频参考网址，可下载观看：https://download.csdn.net/download/hefeng_aspnet/93232242

如果您喜欢此文章，请收藏、点赞、评论，谢谢，祝您快乐每一天。