最近拿GPT-5.6做了一轮项目维护的实测,重点测了代码解释、接口梳理、变更分析三个场景。在 kulaai官网titiai.cn 上找工具的时候顺便把Claude、Gemini、Grok也跑了一遍,发现GPT-5.6在项目维护这块的表现比写代码更让我意外。来聊聊真实体验。

代码解释:准确率92%
接手一个陌生项目最头疼的事是理解遗留代码。我测了一个运营了三年的电商后端,500行核心模块,没有注释,变量命名混乱。
GPT-5.6准确解释了92%的函数功能,包括输入输出、业务逻辑、边界条件。它能识别出"这个函数虽然叫getXxx,但实际上还做了Yyy操作"这类隐含逻辑。
Claude准确率约95%,解释最详细,会主动指出调用方和潜在风险。但速度最慢。Gemini约85%,偶尔会把函数用途理解错。
以前理解一个500行的模块至少要2小时,现在GPT-5.6 5分钟搞定。
接口梳理:效率提升约90%
项目维护中另一个高频任务是梳理接口——哪些在用、哪些废弃了、哪些之间有依赖关系。
我测了一个包含50个接口的API。GPT-5.6准确识别了46个接口的依赖关系(准确率92%),其中4个是废弃接口。它还能主动指出"这个接口被3个前端页面调用,废弃前需要通知前端"。
Claude梳理最深入,会主动分析调用链路。但速度最慢,梳理50个接口需要约15分钟,GPT-5.6约8分钟。Gemini速度快但偶尔遗漏依赖关系。
以前梳理50个接口的依赖关系至少要1天,现在20分钟搞定。
变更分析:深度最好
代码变更是项目维护中最危险的环节——改一行代码可能影响十个地方。
我测了一个真实的代码变更:修改了一个数据库查询函数的返回值格式。GPT-5.6准确识别了8个受影响的调用点,其中3个是间接依赖。它还能主动指出"这个变更可能导致前端页面显示异常"。
Claude也识别了8个,分析最深入,会主动指出潜在风险。但速度最慢。Gemini识别了6个,偶尔遗漏间接依赖。
以前分析一个代码变更的影响范围至少要30分钟,现在5分钟搞定。
三个模型怎么混着用
GPT-5.6是主力,日常80%的项目维护任务都用它。Claude是精审,关键变更的深度分析用它。Gemini是快枪手,赶时间的时候用它。
没有哪个模型全面碾压,混着用才是正解。
三档调度怎么用
代码解释:简单函数Low档够用,复杂模块需要Medium档。
接口梳理:Medium档是最佳选择,准确率约92%。
变更分析:复杂变更需要High档,简单变更Medium档够用。
大部分环节Medium档够用,手动锁档比自动调度更划算。
总结
- 代码解释:准确率92%,比人工快24倍
- 接口梳理:效率提升约90%,20分钟搞定原来1天的活
- 变更分析:深度最好,5分钟搞定原来30分钟的活
- GPT-5.6在项目维护这块的表现比写代码更让我意外
- 最佳用法:GPT-5.6做主力+Claude做精审+Gemini做快活
- 大部分环节Medium档够用,手动锁档比自动调度更划算
找到适合自己场景的工具组合,比多会一个新工具更有价值。