AI 时代，大家现在都是怎么重构老项目的？

目前有一些运行多年的 Java / Spring Boot 项目，随着业务不断迭代，逐渐积累了不少典型问题：

• Service 越写越大，一个类几千行
• 历史逻辑很多，不敢轻易删除
• 模块之间耦合越来越严重
• 重复代码比较多
• 一些早期设计已经不太适合现在的业务
• 单测覆盖率不高，导致重构风险比较大
• 很多业务逻辑只有看代码甚至问老开发才能理解

以前做这种项目的重构，基本都是人工：

读代码 → 梳理业务 → 找问题 → 设计新结构 → 小范围修改 → 测试 → 再继续改

现在 Codex 、Claude Code 这类 Coding Agent 已经可以直接理解和修改整个 Repo ，所以比较好奇，大家有没有真正把 AI 用到大型存量项目重构上？

最近看到的一些思路

比如给 Agent 配置专门的 Skill / Rules ，然后让 Agent 按类似下面的流程工作：

扫描项目 → 分析架构和依赖 → 找 Code Smell → 生成重构 Plan → 人工确认 → 分模块修改 → 编译 / 单测 → Diff Review

感觉相比直接跟 AI 说一句：

「帮我重构这个项目」

这种方式可能更可控。

另外也看到有人使用 OpenRewrite + AI Agent，让 AI 负责分析和决策，OpenRewrite 负责 AST 级别的批量重构。

比较想请教大家

1. 现在大家会让 Codex / Claude Code 直接参与老项目重构吗？
2. 有没有比较成熟的 Java / Spring Boot Refactoring Skill 、Prompt 、Rules 或 Workflow 推荐？
3. 对于几十万甚至上百万行的项目，AI 怎么建立足够完整的项目上下文？
4. AI 重构最大的坑是什么？业务逻辑误改、上下文不足，还是测试覆盖率？
5. 有没有团队已经形成「 AI Code Review → Refactoring Plan → 自动修改 → Test → Review 」这样的工程化流程？
6. AI 时代还有没有必要专门投入人力做一次“大重构”，还是更适合让 AI 在日常需求开发过程中持续渐进式重构？

目前我的感觉是：

AI 最大的价值可能不是“帮忙写重构后的代码”，而是把过去成本很高的“理解老代码 + 找问题 + 制定重构方案 + 验证修改”这条链路大幅压缩。

不知道大家实际用下来怎么样，有没有踩过坑或者比较成熟的实践方案？

尤其想听听真正拿 AI 重构过生产环境 Java 老项目的经验。