Maintainability sensors for coding agents
编译摘要
1. 浓缩
- 核心结论1: 对 coding agent 来说，可维护性不是抽象美德，而是未来变更是否仍然低风险、低成本、可局部化。
- 关键证据: 作者采用 Martin Fowler 对 internal quality 的定义：内部质量的价值体现在未来修改更容易、更安全；AI 生成代码常见风险是一次改动牵连更多文件、重复逻辑变多、测试虽过但结构更脆。
- 关键含义: Agent 的短期成功可能掩盖长期成本。一个 PR 能跑通测试，不代表代码库仍适合下一轮 agent 修改。
- 核心结论2: 维护性传感器需要布在整条交付路径上，而不是只在 CI 末端做一次“质量审判”。
- 关键证据: 文中把 sensors 分为 coding session 内即时反馈、集成 pipeline 复验、周期性审查三层；例子包括 type checker、ESLint、Semgrep、dependency-cruiser、测试覆盖率、增量 mutation testing、GitLeaks，以及安全、数据处理、依赖新鲜度、模块耦合审查。
- 关键机制: 越早出现的传感器越适合 agent 自我修复；越晚出现的传感器越适合阻断风险和提醒人类复核。二者不是替代关系。
- 核心结论3: 传感器真正有用时，不只是报错，而是把工程判断压缩成 agent 可理解、可执行的纠偏反馈。
- 关键证据: 作者用自定义 ESLint formatter 把规则说明改写成更像“提示词”的信息，例如说明为什么参数过多、函数过长、复杂度过高，以及何时应该小步重构或带理由地 suppress warning。
- 对本库的意义: 这把 lint 从人类质量工具升级为 agent harness 的反馈接口。规则、阈值、错误信息和 suppress protocol 都在塑造 agent 行为。
2. 质疑
- 关于工具链可复制性的质疑: TypeScript、ESLint、Semgrep、dependency-cruiser 等生态成熟，适合构建高密度 sensors；换到动态语言、遗留系统、低测试覆盖或复杂单体应用，传感器可能更稀疏、更脆弱。
- 关于“传感器等于质量”的质疑: 可测指标容易被优化，也容易制造虚假安全感。函数长度、复杂度、依赖方向能提示风险，但不能完全判断语义内聚、领域边界和长期演化方向。
- 关于 feedback overload 的质疑: 规则太多会让 agent 过度重构、反复修改无关代码，甚至为了满足 lint 牺牲可读性。传感器必须配合阈值、优先级和 suppress 原则。
- 关于经验外推的质疑: 文章主要来自作者实践经验，而不是多模型、多仓库的大规模实验。它更适合作为工程 playbook，而不是“所有 coding agent 都会如此改进”的定律。
3. 对标
- 对标 Agent-Harness: 本文把 harness 的 verification loop 前移到 coding session。好的 harness 不只调度工具，还要把 type check、lint、security scan、coverage 和 dependency rules 变成可即时响应的反馈面板。
- 对标 Verifiable-Agent-Engineering: 文章补强了一个关键盲点：可验证不只意味着最终结果正确，也意味着代码库结构没有被 agent 悄悄劣化。维护性也是可验证边界的一部分。
- 对标传统 CI/CD: 传统 CI 更多面向人类团队的集成 gate；coding agent 时代，CI 的一部分能力需要下沉到 agent 的实时工作环境，否则错误会在大批量生成后集中爆发。
- 可迁移场景: 文档生成 agent 的事实一致性 sensors、数据分析 agent 的 schema 和 lineage sensors、客服 agent 的合规语句 sensors、企业流程 agent 的权限和审计 sensors。共同模式是：把隐性质量标准变成机器可读的低延迟反馈。
关联概念