网盘存量代码迁移实战：三层架构搞定AI代码生成

在网盘Android存量代码向KMP迁移的实际项目中，我们面临一个核心挑战：一个页面的迁移涉及UI层、布局文件、业务逻辑和资源文件，各模块依赖关系错综复杂。传统的人工梳理效率低下，而直接让AI生成又容易出现“看起来能跑，接进工程就不行”的情况。

AI直接迁移代码的三大难题

在项目初期，我们尝试直接让AI协助迁移代码，但很快发现了三个规律性问题：首先是结果不稳定，同一类操作在不同对话中结果不一样，AI每次都在重新理解任务；其次是任务越复杂后期幻觉越多，加载几十个文件后，早期文件细节被压缩，AI开始生成不存在的方法；第三是缺少并行处理机制，UI、布局、业务逻辑本可以同时处理，但因为只有一个对话窗口只能串行执行。这三个问题分别指向执行稳定性、上下文管理和协作效率三个层面。

经验总结与最佳实践

针对执行不稳定的问题，我们设计了Skill层。核心思路是把一类任务的执行方式写成可复用的规范文件，AI调用时按规范执行，不再每次重新理解任务。最有效的约束方式是Checklist——将每个步骤拆成可以逐项打勾的检查项，AI在多步骤任务中跳步问题明显减少。另外，我们将提取和校验拆分开：extractor负责扫描依赖生成初始提取包，validator独立校验结果关注“还缺什么”，fixer只处理validator指出的缺口定向补充。三者视角不同能独立发现遗漏，出问题时也能直接定位责任层级。

Skill层：让执行结果稳定可复现

当处理完整迁移流程时，加载文件超过一定量后，AI对早期信息的记忆开始模糊，用“看起来合理”的内容来填充被压缩的细节，这就是幻觉的来源。SubAgent的方案是将长链路任务按步骤拆开，每个步骤交给独立的SubAgent处理，各自有完全隔离的上下文。步骤之间通过Agent-Memory传递关键信息——每个SubAgent完成后，将资源映射表、模块结构配置等结构化信息提炼存下来，下一个SubAgent启动时读取这份文件继续推进，而不是简单传递对话历史。

SubAgent层：化解上下文膨胀困境

页面代码提取涉及四类文件：UI组件、布局文件、业务逻辑、资源文件。这四类文件提取逻辑完全不同且彼此无强依赖，串行处理效率低下。我们将任务分给四个专业Teammate并行执行，各自独立上下文只关注自己负责的文件类型。实际效果显著，总耗时接近四类任务中最慢的那条路径，而非四段累加。更重要的是，专注度提升带来的提取质量改善比速度收益更明显——一个Teammate只盯一类文件，对该类型的依赖模式识别更加精准。

如有侵权，请联系删除。