版本说明：本文基于 Michael Feathers《Working Effectively with Legacy Code》的核心理念，结合 AI 辅助开发的实践撰写。

适用技术版本：Java 17+、Spring Boot 3.x、JUnit 5、Claude Code v1.x、Maven 3.9+。

内容时效：本文内容基于 2026 年 4 月验证。AI 工具能力可能随版本迭代变化，文中提到的具体 AI 能力（如代码理解、Seam 识别、特征测试生成等）以实际使用时的模型版本为准。建议读者关注 Claude Code 更新日志以获取最新能力信息。

适用对象：技术负责人、高级开发者、维护老项目的团队。

前置知识：第12篇项目接入AI、第16篇代码考古、第20篇测试编写。

一、老项目增量开发的核心挑战

第12篇讲的是"让 AI 认识项目"——配置 CLAUDE.md / AGENTS.md，让 AI 理解项目结构。本篇讲的是"在老项目上安全开发"——拿到一个新需求，如何在已有代码上安全地完成修改。

Michael Feathers 在《Working Effectively with Legacy Code》中给出了一个经典定义：遗留代码就是没有测试的代码 。这个定义直指核心问题——没有测试保护的代码，每次修改都像在雷区行走。

老项目增量开发的三个核心挑战：

Martin Fowler 指出，GenAI 在遗留代码现代化中的核心价值不是"生成新代码"，而是"理解现有代码"——帮助开发者快速建立对大型、复杂、长期迭代的遗留系统的认知 。

二、安全开发的四个策略

策略 1：精准定位修改区域

在老项目中，最大的风险不是"不知道怎么改"，而是"改错了地方"或"改了不该改的代码"。

定位修改区域的方法：

步骤 1：从需求出发，找到业务入口
  - 用户触发的 API 接口
  - 定时任务的调度入口
  - 消息队列的消费入口

步骤 2：从入口追踪调用链
  - Controller → Service → DAO → DB
  - 标注调用链上涉及的所有文件和类

步骤 3：圈定最小修改范围
  - 只修改直接相关的文件
  - 不动间接依赖的代码
  - 记录"为什么不动这些代码"

Anthony Bordonaro 提出了"代码考古"的系统化技术——使用 AI 从入口点向内构建分层心智模型，逐步建立对代码库架构、约定、数据流和隐式决策的理解 。

策略 2：确保不破坏现有功能

在不破坏现有功能的前提下做修改，这是老项目开发的铁律。

Michael Feathers 提出了"特征测试"（Characterization Test）的概念 ：在不理解代码逻辑的情况下，先写测试记录代码的当前行为，然后才能安全修改。

特征测试 vs 单元测试：

特征测试：记录代码"现在做什么"（可能是 bug，也可能不是）
单元测试：验证代码"应该做什么"（基于需求定义）

在老项目中，先写特征测试锁定当前行为，
然后再写单元测试验证新逻辑。

特征测试完整操作示例：

以一个老项目的 CouponValidator.validate() 方法为例，展示从发现老方法到写出特征测试的全流程：

# 第1步：定位需要修改的老方法
# 假设老项目没有测试，先通过 AI 分析代码结构
claude -p "分析 src/main/java/com/example/coupon/CouponValidator.java 中的 validate() 方法，列出所有输入参数和可能的返回值"

# AI 输出：
# validate() 方法接收 Coupon 对象，返回 ValidationResult
# 输入组合：有效券/已过期/已使用/金额不满足/券不存在 → 5种场景
# 当前没有单元测试覆盖