Anneal Skill：给 AI 代码腐坏做系统性手术的修复利器

Anneal：给 AI 代码腐坏做系统性手术的 Skill

Anneal 是由独立开发者 @av 维护的开源 Skill 库 av/skills（26 个 Skill 集合）中的核心成员，专门解决 AI 编程助手在代码库中引入的系统性技术债。SkillHub.club 于 2026-09-23 将其标记为 New，定位为 development 类优质 Skill，推荐指数 S 级。它解决的是一个正在规模化爆发的问题：Claude Code、Codex、Cursor 等 Agent 生成的代码看似正常，实则充满隐蔽的结构性缺陷——这些问题在单次对话中看不见，但在项目迭代中持续累积，最终导致代码库维护成本暴涨。Anneal 的思路是把「修复 AI 代码腐坏」这件事变成一门有时间边界、可量化进度、强制安全协议的工程学科，而非靠人工逐个 review。

功能与原则

Anneal 的核心能力是将代码库中的 AI 引入缺陷分门别类，形成一套 10 类「代码腐坏目录」（Slop Catalog），包括：重复逻辑而非复用、过度工程化、静默吞掉错误、违背项目规范、似是而非的错误逻辑、幻觉 API 调用、Cargo-Cult 模式、冗余注释膨胀、模块虚假分离、循环测试等。每一个缺陷都有明确的识别特征和修复策略。

设计原则有三条：时钟驱动（时间盒到期就停，不靠主观判断）、子 Agent 执行（Orchestrator 只负责调度，不亲自改代码）、安全协议优先（每次修改前跑测试套件，新失败立即 revert）。这三条原则共同保证了修复过程有边界、可审计、不引入新问题。

认可度

av/skills 仓库自 2026-04-13 收录于 GitTrend.io 追踪列表，30 天内增长 129 颗星（约每日 4 颗），截至 2026-09-23 约 177 星，8 月 11 日突破 100 星，GitTrend 平台持续显示 trending 状态。anneal 作为 26 个 Skill 之一，于 2026-09-23 同日新登 SkillHub.club 榜单（New 标记），与 timeboxed-iterating、mosaic-writing、timeframe-research 等同批次发布，平台将其归类为 development 类别优质 Skill。Anneal 在 ClaudSkills 平台（另一大 Skill 索引站）同样上架，Security Grade A（OWASP Agentic Skills Top 10 扫描全绿）。

链接

GitHub：https://github.com/av/skills

原作者

@av — 独立开发者，专注于 AI coding agent 的工作流编排与代码质量工具，GitHub 维护 av/skills（26 个 Skill）和 av/harbor（本地 LLM 运行平台）两个项目，在 Claude Code / Codex / OpenCode / Cursor 生态中有较高活跃度。

介绍

Anneal 的 SKILL.md 文件开篇即给出了整个 Skill 的核心定位：「系统性地修复 AI 代码腐坏，时间盒到期就停。」这对应了当前 AI 编程助手规模化应用后一个正在显现的深层问题：Agent 生成的代码在功能层面往往正确，但长期积累后会产生大量结构性问题——重复的 utility 函数、过度封装的接口、无人能看懂的抽象层、测试覆盖率虚高。Coding agent 受限于单次对话的上下文窗口，无法感知整个代码库的历史演进，所以它会不断引入新的冗余，而不是复用已有的正确实现。

Anneal 将这一过程工程化：用户传入代码库路径和修复时长（如「4 小时」或「过夜」），Orchestrator 每轮先检查时间戳，到期即停；子 Agent 从 10 类腐坏目录中每次选取影响最大的实例进行修复；每轮修改前后必须运行测试套件，若新引入失败则立即 revert 并记录。这一机制保证了修复工作有边界、可量化、不引入新的回归。

特点

• 10 类腐坏目录：覆盖 AI 引入缺陷的高频模式，从重复逻辑到循环测试，每类都有特征识别 + 修复策略，实用性强
• 时钟驱动的进度管理：用户定义总时长，Orchestrator 严格执行，适合「下班前开一个 4 小时 Anneal」的工程师工作流
• 强制安全协议：修改前后跑测试套件 + 新失败 revert 机制，保证每次修改不引入新的回归，这是大多数 AI 修复工具缺失的一环
• 子 Agent 执行模型：Orchestrator 只负责调度，不亲自改代码，保持上下文精简，适合长时间运行的任务
• 多平台分发：同时上架 SkillHub.club（New · S 级推荐）、ClaudSkills（A 级安全评级），安装方式统一为 npx skills add av/skills --skill anneal

使用方法

安装方式（支持 Claude Code、Codex、OpenCode、Cursor 等主流 AI 编程 Agent）：

npx skills add av/skills --skill anneal

基本调用：用户告知代码库路径和修复时长，Anneal Orchestrator 启动：

/anneal <代码库路径> <时长>
# 示例：
/anneal ./my-project "4 hours"

Orchestrator 读取进度文件，调度子 Agent 对代码库执行修复，每轮遵循「测基线 → 改一个缺陷 → 测回归 → 有新失败则 revert」的安全协议。时长到期即停，不继续。

使用场景与人群

适用场景： 大型代码库经过多轮 AI 辅助开发后出现结构腐坏的项目；需要对历史技术债做有计划清理但不希望无限期进行的工程团队；研究 AI 生成代码质量演化的研究者。

目标用户： 使用 Claude Code、Codex 等 AI 编程助手的开发者；维护 AI 生成代码较多的项目的技术负责人；需要对代码库做定期「健康检查」的团队。

输入与输出案例

案例 1：重复逻辑检测

输入：运行 Anneal 对一个 3 个月内经 AI 辅助开发的中型前端项目执行 2 小时修复。

Anneal 检出：项目中存在 7 处 formatCurrency 函数的独立实现（分别在不同组件文件中），由 Agent 在缺乏全局上下文时引入。

修复：删除 6 个重复实现，统一调用项目中原有的 utils/format.js。

案例 2：过度工程化回退

输入：某模块引入了完整的工厂模式 + 策略模式 + 抽象基类，但实际只被一个调用方使用。

Anneal 检出：class 层级深度为 3，但实际调用方只有 1 个，且没有扩展计划。

修复：将抽象类内联为普通函数，删除接口层，直接传递参数，代码行数从 200 行缩减至 45 行。

关联阅读：
同库其他热门 Skill：timeboxed-iterating（时间盒驱动的子 Agent 并行迭代）、mosaic-writing（人类写作片段拼装为完整文章）、workgraph（工作流以有向图形式编排子 Agent 节点）。

GitHub: https://github.com/av/skills