智能代码清理顾问

幂简官方

2 浏览

0 试用

0 购买

Nov 12, 2025更新

本提示词专为代码维护人员设计，通过系统化分析帮助识别项目中的冗余代码、重复逻辑和弃用模块。采用多维度诊断策略，结合静态分析和依赖关系评估，提供具体可行的清理建议。亮点包括：分步式问题识别机制、安全删除风险评估、重构优先级排序，能够有效提升代码可维护性和执行效率，适用于各类代码库的优化场景。

文件位置	问题类型	问题描述	风险等级	处理建议	预期收益
当前文件（行1）	未使用代码	未使用的模块导入：import time	低	移除该导入；在CI中启用flake8/pylint的未使用导入规则（F401）；可配合autoflake/isort自动清理	减少命名空间噪声与冷启动开销，提升代码可读性
当前文件（行3）	冗余依赖	未使用的第三方依赖导入：import requests；可能导致requirements中冗余依赖	中	1) 全仓库检索“requests”使用点；2) 若确认无用，删除本文件导入；3) 同步清理requirements/lockfile并重建环境；4) 使用pipdeptree审核依赖树	减小打包体积与攻击面，降低供应链与许可合规风险
当前文件（行6-10）	未使用代码	legacy_checksum函数在本文件内无调用，疑似遗留函数	中	使用vulture/pyan/静态调用图+全仓库grep确认无外部引用；若无引用：标注@deprecated一版并在下一版移除；若存在历史用途，迁移至util模块并补充单测	降低维护负担与理解成本，避免误用过时代码
当前文件（行15-22）	重复逻辑	PriceCalculator.discount_v1与discount_v2实现同一折扣策略，存在重复实现与逻辑分歧风险（v1有max防负值，v2按比例直乘）	中	统一折扣实现：保留一个方法（建议保留v2命名或统一为discount），抽取公共rate映射常量；为兼容性给v1提供向后兼容包装并标注弃用，在至少一个小版本后移除；补充等价性单测（含边界值0/负数防御）	降低分叉与漂移风险，简化维护，减少缺陷可能
当前文件（行15-17）	未使用代码	PriceCalculator.discount_v1在本文件内未被调用	中	若全仓库无用：按“弃用->下版本移除”的路径删除；若对外API暴露：保留包装并记录弃用说明	精简API面，降低认知负担
当前文件（行26）	未使用代码	局部变量tmp未使用（tmp = str(order.get('id'))）	低	移除该变量；若用于调试/日志，请改为显式日志输出，并由日志级别控制	消除噪声代码，避免误导与静态检查告警
当前文件（行29）	冗余逻辑	json.loads(json.dumps(...))属于无效序列化往返，仅用于构建与返回payload时没有必要	低	直接返回字典：payload = {'id': order['id'], 'total': total_after}；若需要深拷贝，用copy.deepcopy；若需要序列化，请在I/O边界再调用json.dumps	减少不必要的CPU开销与GC压力，提升清晰度
当前文件（全局）	冗余依赖链	若requirements中包含requests而实际未使用，形成冗余依赖链	中	使用repo级别检索+pipdeptree核查；移除无用依赖，执行CI构建以验证；在Dependabot/Renovate策略中限制不必要更新	构建更快、更小，减少安全与合规风险

备注与执行路径建议：

安全删除策略与验证
- 在删除/弃用前执行全仓库引用分析（ripgrep/IDE全局查找、vulture、pyan等）。
- 补充单测：process_order计算、折扣边界（非会员、gold、silver、0金额、极大金额），覆盖率>90%后再做清理。
- 分支发布：以chore/refactor前缀提交，新增CHANGELOG条目，标注弃用与移除时点。
工具与守护
- 代码质量：flake8/pylint、black/isort、autoflake（CI门禁）。
- 重复检测：jscpd/sonarqube启用重复代码阈值告警。
- 依赖治理：pipdeptree、pip-audit/safety进行安全与冗余扫描。

文件位置	问题类型	问题描述	风险等级	处理建议	预期收益
src/components/UserList.jsx:3	冗余依赖/未使用代码	引入 lodash 但从未使用；该注释也提示“heavy but unused”。即使未使用，错误的构建配置可能仍会把 lodash 打入包中，增大体积。	低	1) 删除该行 import。2) 全库范围检索 lodash 实际使用点；若无使用，从 package.json 移除依赖。3) 在构建和 ESLint 中开启 no-unused-imports 检测，防止再次出现。	减少打包体积与冷启动时间；避免引入不必要的依赖链（潜在节省约20–70KB gzip，视构建而定）。
src/components/UserList.jsx:5–12,14–18,21–27	重复逻辑	normalizeV1、normalizeV2 与 UserList 内联逻辑均实现“按 id 去重 + 按 name 排序”的相同意图，存在三处重复实现，维护成本高且易产生行为不一致。	低	1) 在 utils/users.ts(JS) 新增单一标准实现 normalizeUsers(items)。2) UserList 使用该工具函数；normalizeV1/normalizeV2 标记为废弃并迁移调用方。3) 为 normalizeUsers 补充单元测试，覆盖重复 id、空数组、名称含大小写/重音符等场景。	消除重复代码，降低维护成本与缺陷率；形成单一可信实现，便于优化与测试。
src/components/UserList.jsx:22–25	性能瓶颈	UserList 中去重使用 dedup.some 进行线性查找，整体去重复杂度为 O(n^2)；列表较大时会显著拖慢渲染与交互。	低	将去重改为基于 Set/Map 的 O(n) 实现。例如：使用 const seen = new Set(); 循环中若 !seen.has(id) 则 push 并 seen.add(id)。整合到上文建议的 normalizeUsers 中统一实现。	将去重从 O(n^2) 降至 O(n)，显著提升中大规模数据渲染性能与可扩展性。
src/components/UserList.jsx:11,17,26	重复逻辑/国际化排序	多处重复使用 a.name.localeCompare(b.name)，未统一排序策略；对大小写、重音符、区域性排序规则未明确，可能导致不同环境结果不一致。	低	1) 在模块外部或 utils 级别创建共享的 Intl.Collator 实例（如按产品区域设置和敏感度）。2) 使用 collator.compare 统一排序。3) 在单元测试中固定排序期望。	一致的排序行为与更可控的国际化支持；轻微性能优化（避免多次创建比较器）。
src/components/UserList.jsx:28	性能瓶颈/渲染开销	在渲染阶段对每一行调用 dayjs(r.joined).format(...)；当渲染频繁或行数较多时会增加 CPU 开销。	低	1) 将日期格式化前置到 useMemo（或统一在 normalizeUsers 中产出 display 字段）。2) 仅当原始数据变更时才重新计算。3) 若格式简单且无需 dayjs 特性，可考虑 Intl.DateTimeFormat 以减少依赖。	减少重复计算和渲染开销，稳定列表渲染性能。
src/components/UserList.jsx:5–12,14–18	未使用代码	normalizeV1 与 normalizeV2 在当前文件未被引用，疑似遗留实现。	低（若全库未使用）；中（若外部模块依赖）	1) 全库搜索引用；无引用则标记为废弃并计划删除。2) 若存在外部依赖，迁移到统一的 normalizeUsers 后移除旧函数。3) 增加 ESLint/TS 规则检测未使用导出。	精简代码，降低认知负担；避免同一能力多实现导致的维护分歧。
src/components/UserList.jsx:31–33	未使用代码/风格不一致	formatLegacy 返回 new Date(d).toISOString()，与组件中使用 dayjs 的日期处理风格不一致；且对非法日期未做保护，可能抛出 RangeError。当前文件未用到，但作为命名导出可能被外部使用。	中	1) 全库搜索引用：无引用则标记为废弃并计划删除。2) 若被使用，统一日期库策略（如改用 dayjs(d).toISOString() 并处理无效输入返回空串或抛出受控错误）。3) 增加用例覆盖边界输入。	统一日期处理策略，减少潜在时区/异常差异导致的线上问题；提升健壮性。

文件位置	问题类型	问题描述	风险等级	处理建议	预期收益
current_file.py:7	安全风险	硬编码数据库密码（PlainText-Password-123）。即便当前未使用，已构成泄露风险；进入版本库后长期暴露，不支持凭据轮换与环境隔离。	高	- 立即从代码与版本历史移除密钥（BFG Repo-Cleaner 或 git-filter-repo），并旋转数据库凭据 - 引入配置层：从环境变量或企业密钥管理（Vault/AWS Secrets Manager/KMS）读取；统一通过配置函数加载 - 增加 secrets 扫描（gitleaks/trufflehog）与 pre-commit 钩子，防止再次提交敏感信息 - 日志避免输出任何敏感信息（账号/主机/连接串）	消除高风险泄露；合规性提升；支持凭据轮换与最小暴露原则
current_file.py:3	冗余依赖	导入 pandas 但未使用；引入重量级依赖及其传递链，增加启动时间、镜像体积与攻击面。	中	- 移除 import pandas，并在依赖清单（requirements/lockfile）中剔除；全仓库范围确认未引用 - 启用静态检查规则（flake8 F401、pylint unused-import）防回归 - 若未来需 DataFrame 能力，隔离到独立模块并按需加载（延迟导入）	减少打包体积与冷启动时间；降低安全面与维护负担
current_file.py:23-31	性能瓶颈	dedup_orders 使用双重循环 O(n^2) 去重；订单量增大时性能显著退化。	中	- 改用集合/字典按 order_id 去重，将复杂度降为 O(n)，保持插入顺序一致（先出现优先） - 明确业务规则（保留首条或最新条），并补充单元测试覆盖边界 - 超大数据文件采用流式去重（逐行处理），避免一次性加载全部	在线性扩展下显著缩短处理时长；降低内存占用与超时风险
current_file.py:6,8,39	配置硬编码	DB_USER、DB_HOST 以及输入文件路径硬编码，不利于环境切换（dev/staging/prod）与部署参数化。	中	- 抽象统一配置层：从环境变量/.env/配置文件读取并校验；提供安全默认与必填项提示 - 支持命令行参数或配置管理库（python-dotenv / Pydantic Settings） - 在 CI/CD 中注入环境配置，避免因环境差异修改代码	提升可移植性与部署灵活度；减少环境相关缺陷与变更冲突
current_file.py:1	未使用代码/冗余依赖	import os 未使用，属于死代码与冗余导入。	低	- 移除未用 import - 启用静态规则（flake8 F401、isort）自动检测与整理	代码更简洁，降低认知与维护成本
current_file.py:4	未使用代码/冗余依赖	from collections import defaultdict 未使用。	低	- 同上：移除并用静态检查防回归	同上
current_file.py:10-11	未使用代码	compute_checksum 未被调用，潜在遗留/废弃函数。	低	- 全仓库引用与调用图检查（ripgrep + pylance/pyright）确认未使用 - 若确无需求，标记弃用并在约定窗口后删除；若可能复用，迁移至 util 模块并加测试	降低认知负担与测试面；减少未来维护成本
current_file.py:34-35	未使用代码	unused_migration 未被调用，函数名即表明废弃。	低	- 与上同：引用检查、弃用标记与清理；如为迁移脚本，移动到专用迁移目录并加文档说明	精简代码；防止误用与混淆

说明与执行建议优先级：

最高优先：安全风险（硬编码密钥）—立即处理并旋转凭据
次优先：冗余依赖（pandas）与配置硬编码—减少攻击面与部署阻力
随后：性能瓶颈（去重算法）—在数据量增长前完成优化
最后：未使用代码与导入清理—通过静态检查常态化治理

验证与风险控制措施：

在清理前后运行全量测试与静态分析（pyright/pylint/flake8），并对去重行为编写覆盖测试确保业务逻辑不变
进行调用关系与全局搜索，确保未使用函数与导入在全项目范围确为冗余
对配置外置与依赖变更在预生产环境做一次回归，确保不影响核心流程（订单加载与统计输出）

解决的问题

面向研发与运维团队，提供一套可直接落地的“代码清理决策引擎”。以问题识别、影响评估、执行建议、优先级排序四步闭环，快速定位未被使用的函数与模块、重复或相似的实现以及无效依赖，产出安全可执行的清理与重构清单，并给出预期收益与风险分级。目标是显著缩短排查与决策时间，降低回归风险，提升代码可读性与运行效率，持续推动版本发布前的稳定性治理、技术债清理和架构升级。

适用用户

代码维护工程师

用提示词快速定位冗余与重复，生成分步清理计划，降低回归风险，提高日常维护效率

技术负责人/架构师

为重构制定路线图，评估依赖风险与收益，合理安排迭代优先级，推进系统稳定演进

DevOps工程师

在提交与合并前进行质量把关，识别潜在风险变更，输出可执行建议，减少线上故障

特征总结

• 一键扫描代码库，自动标注未用函数与模块，生成可执行清理清单

• 智能识别重复逻辑，建议合并与抽取方法，减少维护工作量

• 建立依赖图谱，标出冗余链路与脆弱耦合，助力安全解耦

• 分级风险评估，给出替代方案与回滚提示，保障线上稳定

• 分步式处理指引，按照收益与紧急程度排序，优先解决高价值问题

• 支持多代码库场景，从单体到微服务均可优化，适配团队规范

• 自动生成清理后预期收益，如性能提升与构建加速，可量化成效

• 可根据关注重点定制分析范围，精准命中模块与目录，避免无效折腾

如何使用购买的提示词模板

1. 直接在外部 Chat 应用中使用

将模板生成的提示词复制粘贴到您常用的 Chat 应用（如 ChatGPT、Claude 等），即可直接对话使用，无需额外开发。适合个人快速体验和轻量使用场景。

2. 发布为 API 接口调用

把提示词模板转化为 API，您的程序可任意修改模板参数，通过接口直接调用，轻松实现自动化与批量处理。适合开发者集成与业务系统嵌入。

3. 在 MCP Client 中配置使用

在 MCP client 中配置对应的 server 地址，让您的 AI 应用自动调用提示词模板。适合高级用户和团队协作，让提示词在不同 AI 工具间无缝衔接。

AI 提示词价格

￥20.00元

先用后买，用好了再付款，超安全！

在线免费用提示词

您购买后可以获得什么

✓

获得完整提示词模板

- 共 520 tokens

- 4 个可调节参数

{ 代码内容 } { 代码库类型 } { 分析深度 } { 重点关注 }

✓

获得社区贡献内容的使用权

- 精选社区优质案例，助您快速上手提示词

购买

智能代码清理顾问

解决的问题