删除 16.8 万行注释后 AI Agent 生成的代码质量未变且 Token 消耗减少

作者通过对比实验发现，在移除包含约 16.8 万行注释的代码库后，AI Agent（Claude Code with Opus 5.5）生成的代码质量与保留注释的版本相当，且在小型任务中 Token 消耗减少了约 22%。实验覆盖了两个真实功能开发任务，所有运行均通过了 lint、类型检查和现有测试，甚至在大型任务中成功识别并处理了隐藏的重载陷阱，证明注释并非 Agent 理解代码逻辑的必要条件。

数据细节显示，在小型任务中，无注释版本平均得分为 19.0（满分 19），有注释版本为 18.3；在大型任务中，两者得分分别为 22.0 和 21.7（满分 23），差异处于噪声范围内。值得注意的是，单次运行存在巨大波动，例如大型任务中有注释版本的 Token 消耗在 8.21M 至 10.17M 之间浮动，而无注释版本在 7.01M 至 10.64M 之间，若仅凭单次结果可能得出完全相反的结论，这强调了多轮次实验对于评估 Agent 行为的重要性。

事实层面，本次实验证实了在特定模型和任务下，注释对 Agent 输出质量无决定性影响，且移除注释能降低推理成本。推断层面，这意味着开发者在维护供 Agent 使用的代码库时，应优先关注人类可读性而非 Agent 优化，因为 Agent 似乎能通过代码结构本身获取所需信息。猜测层面，虽然本次实验排除了注释的负面影响，但无法完全排除在更复杂场景或不同模型架构下，特定类型的注释可能仍具有微弱辅助作用，需进一步验证。