程式碼品質與 Linting：用 Ruff 讓 AI 寫的程式碼更好讀

AI 生成的程式碼有時候命名很隨意、格式不一致，你需要能識別出來並且改正。這篇帶你用 Ruff 這套 Python 最快的 Linter，搭配清楚的命名原則和 pre-commit 自動把關，把「能跑」的程式碼變成「能讀、能改」的程式碼。

為什麼程式碼品質重要

程式碼品質有三個層次：

1. 能跑（Functional）：功能正確，最基本的要求。AI 幫你做到這層很容易。
2. 能讀（Readable）：命名清楚，結構整齊，邏輯流暢。這層讓你三個月後還能維護。
3. 能改（Maintainable）：模組化，低耦合，有測試。這層讓你加新功能不怕把舊的搞壞。

Ruff：Python 的最快 Linter

Ruff 是用 Rust 寫的 Python Linter，比 flake8 快一百倍，同時整合了格式化和 import 排序。

# pyproject.toml
[tool.ruff]
line-length = 88
target-version = "py311"

[tool.ruff.lint]
select = ["E", "F", "I", "UP"]
# E: PEP8 風格  F: 未使用變數等  I: import 排序  UP: 升級語法

[tool.ruff.format]
quote-style = "double"

# 檢查問題
ruff check .

# 自動修正（大部分問題）
ruff check . --fix

# 格式化程式碼
ruff format .

# VS Code / Cursor：存檔自動 Ruff
# 安裝 Ruff 擴充套件，settings.json 加入：
"[python]": {"editor.defaultFormatter": "charliermarsh.ruff",
  "editor.formatOnSave": true}

命名原則：讓程式碼自我說明

Python 命名慣例（PEP 8）：

程式碼審查的重點

審查 AI 生的程式碼時，用這個順序檢查：

1. 邏輯正確性：它做了你要它做的事嗎？邊界情況有沒有處理？
2. 命名清楚：變數和函式名稱能自我說明嗎？
3. 錯誤處理：API 呼叫失敗、空值、型別錯誤，有沒有適當的處理？
4. 重複程式碼：同樣的邏輯出現了幾次？可以抽成函式嗎？
5. 資安：有沒有 SQL Injection、敏感資料外洩等問題？

pre-commit：存檔自動品質把關

.pre-commit-config.yaml

repos:
  - repo: https://github.com/astral-sh/ruff-pre-commit
    rev: v0.4.0
    hooks:
      - id: ruff
        args: [--fix]
      - id: ruff-format

pip install pre-commit
pre-commit install  # 之後每次 git commit 自動跑