AI 2026年5月30日 2 分钟阅读

AISlop 实战指南：用 40+ 规则自动检测 AI 代码中的垃圾代码

tinyash 0 条评论

AI 编码工具（Claude Code、Cursor、Codex 等）让开发速度飙升，但有个隐形成本：代码质量在悄悄滑坡。测试通过了、Lint 也过了，但代码里残留着 AI 特有的”脏东西”——叙事性注释、吞掉的异常、幻觉导入、重复的工具函数、写了一半的 TODO。这就是所谓的 AI slop（AI 代码垃圾）。

今天介绍的开源工具 AISlop（MIT 协议）就是专门解决这个问题的。它用 40+ 条静态分析规则，覆盖 7 种语言，亚秒级运行，无需 LLM，确定性输出。简单说：它是个专门抓 AI-generated code smells 的 linter。

快速上手

无需安装，直接跑：

npx aislop scan

这会扫描当前目录下所有支持的文件，输出各部分质量评分和总得分。如果只想看变更部分：

npx aislop scan --changes     # 对比 HEAD 的变更
npx aislop scan --staged      # 暂存区文件

输出示例（JSON 格式）：

npx aislop scan --json

会得到一个结构化的评分报告，包含每个文件的详细问题列表和总体分数（0-100）。

安装选项

如果不想每次用 npx，可以装到项目中：

npm install --save-dev aislop
yarn add --dev aislop
pnpm add -D aislop

然后在 package.json 中添加脚本：

{
  "scripts": {
    "lint:aislop": "aislop scan",
    "lint:aislop:ci": "aislop ci"
  }
}

支持的语言和规则

AISlop 目前覆盖 7 种语言：

语言文件扩展名
TypeScript / JavaScript.ts, .tsx, .js, .jsx
Python.py
Go.go
Rust.rs
Ruby.rb
PHP.php
Java.java

40+ 规则涵盖的典型 AI 残留模式包括：

  • 叙事性注释：// 这里我们遍历数组并过滤出符合条件的元素（代码已经自解释）
  • 吞掉的异常：try { ... } catch (e) { / ignore / }
  • as any 滥用：TypeScript 中无意义地绕过类型系统
  • 幻觉导入：引用了 package.json 中不存在的依赖
  • 重复工具函数：多个文件中出现相同的 helper 函数
  • 死代码：定义了但从未调用的函数或变量
  • TODO 桩代码：// TODO: implement this 留空的函数体
  • 超长函数：超过合理行数的巨型函数
  • 不一致的命名风格：同一作用域内混合 camelCase 和 snake_case

CI 集成

AISlop 最实用的场景是融入 CI 流水线。它内置了 CI 模式：

npx aislop ci

在 ci 模式下，可以配置最低分阈值，低于阈值则 CI 失败：

ci:
  failBelow: 80

配合 GitHub Actions：

name: AISlop Quality Gate
on: [pull_request]
jobs:
  slop-check:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: Check AI slop
        run: npx aislop ci

还可以在 PR 上显示质量徽章：

[![aislop](https://badges.scanaislop.com/score/owner/repo.svg)](https://scanaislop.com)

Pre-commit Hook

AISlop 支持注册到 Claude Code 等 AI 编码工具的编辑钩子，在每次 AI 生成代码后自动检查：

npx aislop hook install --claude

这样每次 Claude Code 写完代码提交前，AISlop 会自动扫描变更内容，把质量缺陷直接暴露给开发者。也可以安装为标准的 Git pre-commit hook：

npx aislop hook install

自动修复

部分规则支持自动修复，省去手动改的麻烦：

npx aislop fix              # 安全修复
npx aislop fix -f           # 激进修复（包括删除未使用的文件、清理依赖）

自动修复会处理格式问题、未使用的导入、死代码等机械性问题。更复杂的模式（如吞掉的异常、幻觉导入）需要人工判断。

配置进阶

配置文件位于 .aislop/config.yml，支持：

exclude:
  - "**/*.test.ts"
  - src/generated
  - vendor/

rules:
  narrative-comment: warn     # 叙事性注释仅警告
  swallowed-exception: error  # 吞掉异常报错
  hallucinated-import: error  # 幻觉导入报错

ci:
  failBelow: 80
  reportOnly: ["narrative-comment"]  # CI 中忽略这类问题

extends: ../../.aislop/base.yml  # 支持继承父级配置

实际效果

HN 评论区有用户反馈了真实使用体验：有人在代码库中跑 AISlop 后，”检测到了一些有价值的问题，能够传给 agent 进行验证和修复”。也有人指出某些规则与 ESLint 有重叠，但 AISlop 的价值在于它专门针对 AI 产生的代码模式，而这些模式传统 linter 很难覆盖。

比如 Claude Code 经常在迭代过程中留下未使用的函数，ESLint 的 no-unused-vars 可能不会触发（因为函数被导出），但 AISlop 能识别出这是 AI 迭代残留的死代码。再比如幻觉导入——AI 根据训练数据中的常见 API 生成了导入语句，但该包根本不在 package.json 中。

AISlop vs 传统 Linter：一个真实对比

拿一个典型的 AI 生成代码场景来看。假设 Claude Code 生成了这个函数：

// 异步获取用户数据并处理返回结果
async function fetchUserData(userId: string) {
  try {
    // 使用 fetch API 发送 GET 请求
    const response = await fetch(`/api/users/${userId}`);
    // 将响应转换为 JSON 格式
    const data = await response.json();
    return data;
  } catch (error) {
    // 发生错误时静默处理
  }
}

ESLint 对此完全静默——语法正确、类型正确、无未使用变量。但 AISlop 会报出：

  • 叙事性注释（3 处）：每行代码上方都有 AI 惯用的”注释伺候”风格
  • 吞掉的异常：catch 块完全为空
  • 潜在 as any 隐患：如果 userId 传入类型不匹配，静默失败

这就是 AISlop 的独特价值——它不关心代码能不能跑，而是关心”这段代码是不是 AI 风格的有毒代码”。

在现有工作流中集成

如果你已经在用 ESLint 或 oxlint，AISlop 可以作为补充层加入。推荐的做法是：

开发阶段：在 AI 编码工具（Claude Code、Cursor）的 hook 中注册：

npx aislop hook install --claude

这样每次 AI 写完代码后自动扫描，开发者在接受 AI 的变更前就能看到质量警告。

Code Review 阶段：在 CI 中以 warn 级别运行，给 reviewer 提供 AI 代码质量参考：

npx aislop scan --changes --json > aislop-report.json

合并前：在 CI 中设硬性质量门槛，低于阈值阻止合并。

深层思考：AI Slop 的本质

为什么 AI 代码容易产生这些模式？根本原因不是 AI “不聪明”，而是 AI 的生成逻辑与人类开发者的写作习惯不同：

  1. 叙事性注释：AI 被训练为”解释代码”而非常写代码，当它不确定人类需要什么风格的代码时，默认输出带注释的”教学版”
  2. 吞掉的异常：AI 见过大量”先写 try-catch 再回来处理”的草稿代码，但作为生成者它不知道后续如何处理
  3. 重复的工具函数：AI 每次生成的上下文窗口有限，看不到同一代码库中其他地方已经写了同样的 helper
  4. 幻觉导入：AI 的记忆中某个 API 很常见，但当前项目的 package.json 里并没有

理解了这些模式背后的原因，就会明白它们不是 AI “质量差”的标志，而是AI 工作方式的自然产物。AISlop 的价值不在于”惩罚 AI”，而在于帮开发者快速定位这些可以优化的问题点。

总结

AISlop 解决了一个真实的痛点：AI 代码质量的可视化。它不替代 ESLint、oxlint、Rector 等现有工具，而是在它们之上补充了AI 特有的代码模式检测。核心优势是：

  1. 零配置：npx aislop scan 即可，30 秒开始用
  2. 确定性：不用 LLM，结果完全可复现
  3. CI 就绪：质量门禁 + 分数徽章，融入现有流程
  4. 7 种语言：不限前端，后端项目同样适用
  5. MIT 协议：开源免费，无商业限制

如果你在用 AI 编码工具做日常开发，建议在项目里加上 AISlop 做质量门禁——不是不信任 AI，而是像 code review 一样，多一道检查总是好的。

GitHub: github.com/scanaislop/aislop | 使用: npx aislop scan

AI AI Tools 开发工具 开源 教程

发表评论

你的邮箱地址不会被公开，带 * 的为必填项。