都说 AI 不在乎代码质量？660 次实验告诉你：在乎，而且很贵

事情是这样的。

前两天刷 Hacker News，看到一篇帖子被顶到 162 个赞。标题很扎眼。

「Does Code Cleanliness Affect Coding Agents？」

我点进去看了。坦率的讲，这个问题的潜台词我太熟了。

过去一年半，AI 编程工具从玩具变成生产力，Claude Code、Codex、Cursor 这些玩意已经成了很多程序员的第二大脑。然后一个特别自然的问题就浮出来了。

既然 AI 能帮我读代码、改代码、甚至直接替我写代码，那我还有必要把代码写那么干净吗？

我见过不少人在 X 上聊这个话题。有人说代码整洁是旧时代的规矩，AI 不在乎。有人说 AI 反正都能读懂，写得乱一点也没事。还有人说得更直白，这就像有了计算器就不用练心算，有了自动驾驶就不用学倒库。

听着好像挺有道理。

但我总觉得哪里不对。

正好，这篇论文给了答案。

一对代码，一个干净，一个脏。

干净的那个函数小、命名清晰、没有死代码。脏的那个函数动辄几百行、嵌套四五层、一堆注释掉的代码块、重复逻辑散落各处。

然后他们让 Claude Code 在这十二个仓库里跑了 33 个任务，每个任务重复 10 遍。

结果很有意思。

先说你们最关心的。

整洁代码不影响任务完成率。

是的。不管是干净的还是脏的，AI 都能把活干完。通过率只差了不到 1 个百分点，在统计上基本没区别。也就是说，你代码写得再乱，AI 确实还是能看懂，还是能把 bug 修了，还是能把功能加上。

那些说「AI 不在乎代码质量」的人，在「能不能干完」这个维度上，他们是对的。

但如果只看这一层，就太可惜了。

因为第二个发现才是真正扎心的。

在干净代码上跑任务，AI 消耗的 Token 少了 7% 到 8%。

这些是什么？这些全是钱。说真的，不是开玩笑。

你用 Claude Code 是按 Token 付费的。用 Codex 也是。用 Cursor 说到底也是模型在背后烧 Token。每次 AI 多读一段代码、多绕一圈、多确认一遍，账单上就多一笔。

还有一个更炸的数据。

你知道文件重访是什么意思吗？就是 AI 打开一个文件，编辑完，走了，过了一会儿又回来，再看一遍，再确认一下。

你想象一下这个画面。一个智能体在脏代码里干活，它打开一个 300 行的函数，读了一半觉得不对，跳去另一个文件，再跳回来，再读一遍。它在迷宫里反复走回头路，消耗的不是体力，是 Token，是钱。

而在干净代码里，它打开文件，改完，走人。干净利落。

这就是 34% 的差距。

···

多模块任务：差距的真正重头戏

论文还做了一件特别漂亮的事，他们把任务分成了两类。

一类叫认知热点任务，就是那种修改集中在单一模块、单一函数内部的。这种任务在脏代码里确实更费劲，但差距没那么大。

另一类叫多模块任务，就是那种需要跨好几个文件、好几个模块协调修改的。

这类任务的差距才是真正的重头戏。

这个数字太大了。太离谱了。

你想想，现实中程序员改一个功能，有多少是只改一个文件的？至少在我的经验里，大部分需要改好几个文件，要理解好几个模块之间的关系。

···

这就像你在一个收拾得很整齐的房间里找东西，和在一个堆满杂物的房间里找东西。

都能找到。但一个花三分钟，一个花半小时。

···

我特别想聊一下这句话。

过去我们说要写干净的代码，主要理由是对人好。你同事要维护你的代码，你要维护三个月前的自己的代码，代码干净一点，大家都好过。这是一个关于协作和同理心的道理。

现在不一样了。

现在多了一个更硬的逻辑。

代码不干净，你每次让 AI 帮你干活，都在多花钱。

不是一次两次，是每次。

你写一个 500 行的函数，AI 读一次多烧几百 Token，读十次就是几千。你同事让 AI 改这个函数，AI 又得多读几遍。你三个月后回来，让 AI 重构，AI 又得在那个迷宫里再走一遍。

···

被忽略的杀手：方差

论文里提到了一个非常关键的视角，但他们没有展开。

同一任务在同一个代码库上跑 10 次，最贵的那次和便宜的那次，Token 消耗能差 2.5 倍。在某些极端案例里，从 140 万 Token 飙到 1060 万 Token。

那这代表了什么呢？

脏代码不只是让你多花 7% 的钱。它让你踩到天价账单的概率大大增加了。因为你不知道 AI 这次会不会在那个 500 行的函数里迷路。它可能这次运气好，十分钟就定位到了。下次运气差，绕了半小时。

清洁代码的一个隐性收益，就是压缩了这个方差。让 AI 的表现更稳定、更可预测。

我觉得这个视角特别重要，因为它是从概率和风险管理的角度在看代码整洁，而不是从审美和规范的角度。

我是真的觉得，这个论文最厉害的地方不在于它证明了什么新东西，而是它把一个我们隐约感觉到但说不清楚的事，变成了可量化的数据。

···

AI 不是混乱的救世主，是秩序的放大器

说到这，我想聊一点跟数据无关的事。

我有时候觉得，AI 时代的到来，让很多人产生了一种错觉，就是「既然 AI 能帮我处理混乱，那我就可以心安理得地制造混乱」。

你想想看，是不是这样？

邮件有 AI 帮你写，你就懒得把话说清楚。代码有 AI 帮你读，你就懒得把结构理清楚。文档有 AI 帮你生成，你就懒得把逻辑想清楚。

但论文的数据告诉我们一个反直觉的事。

AI 不是混乱的救世主，AI 是秩序的放大器。

你把代码写干净，AI 效率提高 7%、34%、50%。你把代码写乱，AI 效率就降回去，而且方差变大，不可预测。AI 不会替你抹平质量的差距，它会原样反映，甚至放大。

···

算一笔账

假设你一个项目每月通过 AI 编程工具消耗 1000 美元的 Token。如果你的代码是干净的，你省了 7%。一年省 840 美元。一个五人团队，一年省 4200 美元。

这还不是最关键的。

最关键的还是那个 34% 的文件重访减少。

文件重访不只是一个 Token 消耗的问题，它是一个认知负荷的问题。每次 AI 回头重读一个文件，它在「确认」上花的每一秒，都是你没有得到即时反馈的等待时间。你等 AI 改代码，AI 在等自己确认，你等得越久，心流断得越彻底。

代码整洁省下来的，不只是 Token 钱，还有你的注意力和心流。

这是最贵的东西。

···

更深一层：代码整洁是为了不被「平均化」

写到这里，我突然想起前段时间在 HN 上看到的另一个帖子，也在热榜上。不知道怎么的，这两个帖子就在我脑子里连上了。

标题叫「Regression to the Mean」，讲的是 LLM 说到底就是一台均值回归机器。它不会创造真正的新东西，它只会返回最可能、最典型、最平均的答案。

我们拿到了一台能跟我们一起思考的机器，被告知它会引爆一场新思想的爆发。但它可能正好相反——它可能正在温和地消灭新思想。

因为它永远把你往平均的方向拉。你给它一个创新的想法，它纠正你，说「你是不是想说那个更常见的」。你给它一个不标准的命名，它纠正你，说「大多数来源认为是这样的」。

你想想看，如果你写的代码也是脏的，乱糟糟的，那 AI 在理解你的代码的时候，它在干什么？

它在把那些混乱的、非标准的、你可能想表达但表达得不够好的意图，往平均的方向修正。它猜你可能想表达的是最常见的那种模式，而不是你真正想写的那种创新的、独特的结构。

你的代码越脏，AI 就越需要「猜」你的意图。而它猜的方式，就是回归均值。

代码整洁的意义，在这个维度上又深了一层。

不只是让 AI 少花 Token，不只是让你少等几秒。

是让你想表达的东西，更准确地被 AI 理解，而不是在理解的过程中被「平均化」了。

···

你把函数拆小，是因为你想让别人、让三个月后的自己、让 AI 一眼就看出你的意图。你把变量命名清晰，是因为你想让读你代码的人知道「这玩意是干啥的」，而不是「我猜大概是那个意思吧」。

你写的代码是你思想的投影。

投影清晰一点，AI 才能接得住你的想法。投影模糊了，AI 就只能接住一个平均值。

写这篇文章的过程中，我自己也在想，我是不是该去把公司那几个老项目重构一下了。

那些为了赶工期写得特别糙的代码，那些「先这样后面再改」的注释，那些五百行的函数。不是哥们，光想想就觉得头疼。

以前我想的是，等有空了再说。真的就是那种「先欠着，以后还」的心态。

现在我想的是，每次 AI 在那五百行里迷路，烧的都是我的 Token 钱。说实话，每次看到账单我都肉疼。

这个理由，比任何代码规范都管用。

···

所以，如果你问我 AI 时代还要不要写干净代码。

我的答案是，比任何时候都更需要。

只不过理由变了。

以前是为了同事，为了六个月后的自己。

现在是为了每一次你按下回车，让 AI 干活的那几秒钟。为了你的 Token 账单。为了你的心流。为了你的意图不被平均化。