Claude Code 如何在 MacCoss 实验室简化开发流程
realtime news Apr 28, 2026 17:15
MacCoss 实验室创新地使用了 Claude Code，彻底改变了管理 70 万行遗留代码的方式，加速了开发进程并减少了技术债务。
位于华盛顿大学的 MacCoss 实验室已经花费 17 年时间维护 Skyline，这是一款用于蛋白质分析的开源软件工具。该代码库有超过 70 万行的 C# 代码和超过 20 万个自动化的夜间测试，是一个令几代开发人员头疼的庞然大物。然而，主要开发者兼 Claude 开发者大使 Brendan MacLean 找到了管理这一遗留代码的新方法：将 Claude Code（一个由 AI 驱动的编码工具）视为一名新开发者。
由于 Skyline 存在已久，其代码库积累了几十年的技术债务。开发人员频繁流动，往往会留下未完成的项目或无人触碰的代码区域。MacLean 表示，为新开发者提供入职培训对保持项目正常运转至关重要——而现在，同样的方法也被应用到了 AI 工具上。
将 AI 视为“实习开发者”
起初，MacLean 对 Claude Code 是否能够处理 Skyline 复杂代码库的细微差别持怀疑态度。他通过隔离小问题来测试 Claude 的能力，结果令人失望。每次与 Claude 的互动都像是从头开始，因为缺乏项目上下文。但这激发了一个想法：如果将 Claude 的入职培训视为新开发者的入职培训呢？
为此，MacLean 创建了一个单独的代码库 pwiz-ai，用于存储所有与 AI 相关的上下文。一个精心维护的 CLAUDE.md 文件提供了关于项目环境的概述，同时单独的“技能”——特定任务的能力——帮助 Claude 系统性地解决问题。例如，一个调试技能引导 Claude 专注于根本原因分析，而不是尝试和错误的修复。
借助这一结构，Claude 开始有意义地作出贡献。一个长期被搁置的项目——在 Skyline 中创建一个文件视图面板——仅用两周时间就完成了，最终的提交由 Claude 共同署名。MacLean 还指出，Claude 在更新 Skyline 的夜间测试管理模块方面也取得了类似的成功，该模块在原始开发者离开后已搁置了三年。
改造开发工作流程
Claude Code 在 MacCoss 实验室的影响不仅限于完成未完成的功能。该实验室现在使用该工具来自动化一些繁琐的任务，例如重新生成 Skyline 的 2000 多个教程图片和创建每日错误摘要。MacLean 甚至归功于 Claude，帮助编写了一个用 Python 实现的 MCP（消息控制协议）服务器，用于统一来自各种来源的数据流，每天早晨生成测试失败和支持问题的集中摘要。
实验室的一位开发者起初对 AI 工具持怀疑态度，但最终成功构建了一个用于可视化离子迁移数据的 mobilogram 面板。MacLean 表示，该工具让开发者能够承担以前因时间限制或复杂性而避开的项目。
管理遗留代码库的建议
MacLean 的经验为应对老旧代码库的开发者提供了宝贵的经验教训：
- 上下文是关键：维护一个详细的上下文存储库，必要时可以与主代码库分开，以确保在分支和开发人员交替期间保持连续性。
- 建立技能库：使用 AI 技能来编码领域知识和特定任务的说明。通过链接到中央文档，将这些技能保持轻量化且易于维护。
- 利用 MCP 集成：当 AI 工具需要实时访问数据时，构建集成以统一各种数据流。这种方法使 MacLean 的实验室能够自动化工作流程并提高开发效率。
开源项目的典范
MacLean 的方法具有更广泛的意义，尤其是对机构记忆稀缺的开源项目而言。通过投资于结构化上下文层，项目可以确保连续性和可扩展性，即使贡献者不断更替。pwiz-ai 存储库本身是开源的，旨在长期为项目及其贡献者带来益处。
MacLean 的关键经验是什么？将 AI 视为一名实习开发者——通过适当的入职培训和上下文支持——可以释放其潜力，超越简单的代码生成。对于管理庞大遗留代码库的团队而言，这种方法可能会带来革命性的变化。
Image source: Shutterstock.jpg)