cursor和claude模型不断生成测试文件，修改规则没有作用

Question

用claude不得不尝的,先帮你生成代码,静态检查出错再帮你解决这个报错,再给你生成一份测试代码,自己假模假样的运行一下然后又认为有更好的实现,然后给你新建一个 原代码_高级实现.py,然后再跑一趟刚刚的流程,然后再生成一份简化版的实现,再跑一遍刚刚的流程,然后给你生成一份抓不住重点几百字的readme,最后你切回来看到你的项目文件夹多了十几个文件(删了浪费算力,不删又得自己看一遍筛选)请问这种问题大家是如何解决的，小中型项目不断生成新的主文件 全是无用内容

Answer 1

下午好🌅🌅🌅
本答案参考通义千问

你描述的问题非常典型，尤其是在使用 Claude 或 Cursor 等 AI 工具辅助开发时，容易出现“无意义的文件生成、重复代码、项目混乱”等问题。这种现象在小中型项目中尤为明显，因为这些工具倾向于生成大量尝试性代码和测试文件，但往往缺乏对项目结构的全局把控。

---

一、问题分析

1. AI 工具的行为特点

• 频繁生成新文件：AI 会不断尝试不同的实现方式，导致项目中出现多个版本的 main.py、test.py、helper.py 等。
• 缺乏版本控制意识：AI 不理解 Git 的作用，不会主动提交或合并代码，只会不断生成新文件。
• 逻辑混乱：AI 生成的代码可能有错误，但不会自动修复，而是继续生成新的文件。

2. 项目管理问题

• 文件数量爆炸：几十个无用文件，难以筛选出有效内容。
• 无法快速定位主逻辑：主文件被多次覆盖或重命名，导致开发效率低下。
• 资源浪费：不必要的文件占用磁盘空间和计算资源（尤其是 AI 工具持续运行时）。

---

二、解决方案

1. 使用版本控制系统（Git）进行管理

重点： 必须将所有生成的文件纳入 Git 控制，避免手动删除或混淆。

步骤如下：

1. 初始化 Git 仓库

   git init
   

2. 创建 .gitignore 文件

   • 忽略所有 AI 生成的临时文件（如 *.py~, __pycache__, test_*.py）
   • 示例 .gitignore 内容：

     *.py~
     __pycache__
     test_*
     generated_*
     .DS_Store
     

3. 定期提交代码

   • 每次生成重要代码后执行：

     git add .
     git commit -m "Generated new version of main logic"
     

4. 分支管理

   • 为每个 AI 生成的版本创建独立分支（如 claude-v1, cursor-test），便于回溯和对比。

---

2. 设置 AI 工具的输出限制

重点： 在 AI 工具中设置输出限制，避免无意义的文件生成。

如何操作：

• Claude：

  • 在对话界面中明确说明：“请不要生成额外文件，只返回代码片段。”
  • 如果你需要测试代码，可以要求 AI 生成一个简单的 test.py，而不是多个。

• Cursor：

  • 使用插件或配置文件限制 AI 的行为，例如：

    {
      "ai": {
        "max_files": 1,
        "max_lines_per_file": 500
      }
    }
    

---

3. 使用脚本自动化清理无用文件

重点： 编写脚本定期清理无用文件，保持项目整洁。

示例 Python 脚本（clean_project.py）：

import os
import re

# 定义需要删除的文件模式
patterns = [
    r'^test_.*\.py$',
    r'^generated_.*\.py$',
    r'^__pycache__$',
    r'^\..*\.py~$'
]

# 遍历当前目录
for root, dirs, files in os.walk('.'):
    for file in files:
        for pattern in patterns:
            if re.match(pattern, file):
                file_path = os.path.join(root, file)
                print(f"Deleting: {file_path}")
                os.remove(file_path)

print("Project cleaned successfully.")

使用方法：

python clean_project.py

---

4. 建立清晰的项目结构

重点： 定义统一的文件命名规范和目录结构，防止 AI 乱生成。

推荐结构：

my_project/
├── main.py               # 主程序入口
├── utils.py              # 工具函数
├── models/               # 模型相关代码
│   └── model.py
├── tests/                # 测试代码
│   └── test_main.py
├── README.md             # 项目说明
└── .gitignore

AI 使用建议：

• 明确告诉 AI：“请只在 tests/ 目录下生成测试文件，其他文件请不要生成。”

---

5. 限制 AI 的权限和行为

重点： 通过配置限制 AI 对文件系统的访问权限。

• 在开发环境中，使用沙盒环境运行 AI 工具，禁止其写入项目目录。
• 使用容器化技术（如 Docker）隔离 AI 工具，避免直接修改本地文件。

---

三、推荐工作流程（结合 AI 工具）

1. 明确需求 → 用 AI 生成初步代码
2. 静态检查 → 用 linter（如 flake8、pylint）检查语法错误
3. 手动审查 → 保留核心逻辑，删除冗余文件
4. 提交 Git → 将有效代码提交到版本库
5. 清理无用文件 → 运行 clean_project.py
6. 继续迭代 → 用 AI 生成新功能，重复上述流程

---

四、总结

| 问题 | 解决方案 | |------|----------| | AI 生成过多无用文件 | 使用 Git 版本控制 + 自动清理脚本 | | 项目结构混乱 | 建立清晰的目录结构 + 命名规范 | | AI 无意识地覆盖主文件 | 限制 AI 权限 + 分支管理 | | 无法快速定位主逻辑 | 使用 Git 提交历史 + 文档说明 |

---

如果你希望我帮你生成一份简洁的项目结构模板或自动清理脚本，也可以告诉我你的具体项目类型（如 Python、JavaScript、Java 等），我可以提供更具体的代码示例。