我如何构建了一个检测代码库中 AI slop 的工具（以及我发现的模式）

Source: Dev.to

问题

过去一年里，我大量使用 AI 编码助手——Cursor、Copilot、Claude 等各种界面。它们在提升开发速度方面非常出色，但我不断在代码审查中发现同样的懒散模式：

• 到处都是 TODO 注释，且常常与实际实现相矛盾
• 占位符变量名，如 data2、temp、result_final
• 只包含 pass 的空 except 块
• 整块被注释掉的代码
• 名为 handle_it、do_stuff、process_data 的函数却做了三件毫不相关的事

最糟糕的是？这些模式对传统的 linter 来说是不可见的。pylint 并不在意你的函数叫 processData 还是 handleStuff。flake8 也不会标记 TODO 注释。但每个人类审查员都会立刻发现它们，并质疑你是否真的理解自己提交的代码。

于是我创建了 roast‑my‑code —— 一个专门捕捉这些模式的 CLI 工具。

检测规则

分析器围绕三个类别构建：AI Slop、代码质量 和 风格。每个类别都有加权得分，其中 AI Slop 占整体得分的 50%。

AI Slop 模式（高严重性）

# Detect TODO/FIXME/HACK comments
TODO_PATTERN = re.compile(r'#\s*(TODO|FIXME|HACK|XXX)', re.IGNORECASE)

# Placeholder variable detection
PLACEHOLDER_NAMES = {
    'foo', 'bar', 'baz', 'temp', 'data2', 'result2',
    'test123', 'foo_bar', 'test_var'
}

# Hallucinated imports (common fake packages AI invents)
FAKE_IMPORTS = {
    'magiclib', 'utils2', 'helpers.everything',
    'common_utils', 'my_helpers'
}