第19章 面向智能体的代码库
前面各章主要从智能体工作方法和治理机制出发，讨论如何定义任务、组织上下文、控制权限、验证结果，以及协调多个智能体。本章将视角转向智能体实际工作的对象，讨论代码库本身需要具备哪些条件，才能持续支撑高质量的智能体委托。
同一个智能体面对不同代码库时，表现可能存在显著差异。在结构清晰、文档与实现保持同步、测试反馈充分的代码库中，智能体更容易定位相关文件、理解变更边界，并通过自动化反馈判断修改是否正确。面对历史负担较重、模块边界模糊、文档长期失修、测试覆盖不足的代码库时，智能体则需要把大量上下文预算消耗在搜索、猜测和反复确认上，即使模型能力没有变化，产出质量和执行效率也会明显下降。因此，智能体编码的可靠性不仅取决于模型、提示和执行流程，也取决于代码库能否为智能体提供清楚的结构、准确的信息和及时的反馈。
本章首先从测试覆盖、文档时效和模块边界清晰度三个方面讨论代码库健康度，随后分析代码库规模为什么会放大上下文管理问题，以及如何通过模块边界控制一次改动可能产生的影响范围。接下来，本章将说明测试、文档和架构维护如何形成长期积累的正向回报，并进一步讨论文档应当怎样承担智能体接口的作用，帮助智能体快速找到必要信息，而不是成为一份与实际代码逐渐脱节的静态记录。
读完本章，读者应当理解，维护代码库健康度并不是与功能开发争夺时间的额外负担，而是支撑智能体持续、可靠参与软件工程的基础设施投入。代码库越容易被定位、理解、修改和验证，智能体产生有效结果所需的搜索与试错成本就越低，团队也越有可能把单次委托带来的效率提升转化为长期稳定的工程能力。