AI为什么会写出if(obj!=null && obj.ifEnabled)这类代码

最近在借助 AI 辅助编程时，我发现一个颇为有趣的现象——即便项目中已经大量集成了 Hutool、Guava 或公司内部的工具库，AI 仍然经常生成类似这样的代码：

if (userInfo != null && userInfo.ifEnabled) {// 业务逻辑}

而非项目中更常见的编码风格：

if (ObjectUtil.isNotEmpty(userInfo) && userInfo.ifEnabled) {// 业务逻辑}

或者：

if (ObjectUtil.isEmpty(userInfo)) {return;}if (userInfo.ifEnabled) {// 业务逻辑}

不少开发者的第一反应是：AI 是不是不够聪明，连项目里用了哪些工具类都搞不清楚？但事实远非如此简单。

AI 为何偏爱这种写法？

它汲取的是全球代码的养分

对于大模型而言，if (obj != null) 是整个互联网上出现频率最高的空值判断模式之一。无论是 JDK 官方源码、Spring 框架、各类开源项目、编程教程，还是面试题参考答案，几乎都充斥着这种写法。相比之下，ObjectUtil.isNotEmpty(obj) 是 Hutool 特有的风格——即便在国内项目中十分普遍，但放到整个训练数据集的维度来看，占比其实微乎其微。因此，当 AI 不确定你的项目习惯时，它会优先选择最通用、最稳妥的代码方案。

AI 默认倾向于减少外部依赖

对 AI 来说，if (obj != null) 仅依赖 JDK 原生能力，而 ObjectUtil.isNotEmpty(obj) 则意味着：项目引入了 Hutool、版本兼容性、工具类存在、导包正确——如果 AI 无法确认这些条件都满足，它更倾向生成无外部依赖的原生代码。这是一种典型的风险最小化策略。

AI 更加偏爱显式表达的代码

从可读性角度来说，if (userInfo != null) 任何 Java 开发者都能瞬间理解其含义；而 ObjectUtil.isNotEmpty(userInfo) 则需要读者了解 Hutool 是什么、ObjectUtil 的实现逻辑、以及 isNotEmpty 对对象、字符串、集合的判断规则。对于 AI 而言，显式代码的理解成本最低，因此默认生成结果也更倾向于这种直白的写法。

算法类代码更偏爱纯净实现

还有一个容易被忽视的原因。当你让 AI 生成排序算法、数据结构、LeetCode 题解或工具函数时，它几乎不会主动使用 ObjectUtil、StrUtil、CollUtil、BeanUtil，而是直接写 if (arr == null || arr.length == 0)。原因在于：算法类代码通常追求独立运行、零第三方依赖、易于移植、便于测试。对 AI 来说，这是最标准、最安全的实现方式。

AI 真的能学会你的代码风格吗？

答案是：能，但程度非常有限。很多开发者误以为 AI 可以自动从项目代码中“领悟”团队的编码习惯。实际上，大多数 AI 编程工具采用的是“当前文件 + 相关文件 + 少量上下文 + 模型训练知识”来进行推理。真正起决定性作用的，往往还是模型训练阶段形成的知识。因此，即使项目里 ObjectUtil、BeanUtil、CollUtil 出现了上千次，AI 依然可能写出 if (obj != null)——因为这正是它最熟悉的模式。

如何让 AI 遵循你的编码规范？

很多团队在引入 AI 编程后都会遇到这个困惑。解决方案并非反复修改 AI 生成的代码，而是建立一份清晰明确的编码规则文件。例如：

# Java 开发规范
1. 所有空值判断优先使用 Hutool ObjectUtil
2. 字符串判断优先使用 StrUtil
3. 集合判断优先使用 CollUtil
4. 禁止直接使用 obj != null
5. 日志统一使用 Slf4j

当 AI 每次生成代码前都会读取这份规则时，输出结果的稳定性会大幅提升。

为什么顶级团队都在维护 AI 规约？

如今，越来越多的团队开始维护 Cursor Rules、Claude Skills、CLAUDE.md、AGENTS.md、Copilot Instructions、Gemini CLI Context 等规约文件。原因很简单：AI 本身是通用的，而每个项目是个性化的。规约正是连接两者的桥梁。它相当于告诉 AI：我们团队怎么写代码、怎么命名、怎么处理异常、怎么写注释、怎么使用框架。这样，AI 才能真正成为团队的一员，而不是一个只会生成通用代码的辅助工具。

GitHub 上优秀的 AI 规约仓库

随着 AI Coding 的普及，越来越多的开发者开始开源自己的 Rules 和 Skills。这些仓库本质上是他们多年实践经验的沉淀与结晶。

Awesome Cursor Rules

GitHub：github.com/PatrickJS/a… 收录了 React、Vue、Next.js、NestJS、Python、Laravel 等大量现成的规则配置。

Awesome Claude Code

GitHub：github.com/hesreallyhi… 目前最知名的 Claude Code 资源导航，涵盖 Skills、Hooks、MCP、SubAgents、Workflow 等内容。

Claude Code Examples

GitHub：github.com/anthropics/… Anthropic 官方示例仓库，可以学习 Skills 如何编写、Commands 如何组织、工作流如何设计。

Everything Claude Code

GitHub：github.com/affaan-m/ev… 目前社区最完整的 Claude Code 配置集合之一，包含 Skills、Commands、Hooks、MCP、Agents 等大量实战案例。

如何安装这些规约？

很多开发者收藏了一堆仓库后却不知道如何使用。实际上，这些内容本质上都是 Markdown + 目录结构 + 约定俗成的位置，只要放到正确目录即可生效。

Claude Code

项目级规则：在项目根目录放置 CLAUDE.md，Claude 会自动读取并作为项目规范。
Skills：放在 .claude/skills/ 下，直接将 GitHub 下载的 Skill 放进去即可。
全局 Skills：放在 ~/.claude/skills/，所有项目均可共享。

Cursor

推荐目录：.cursor/rules/，直接下载 Rules 文件复制进去即可。老版本 .cursorrules 依然兼容支持。

Codex

项目根目录放置 AGENTS.md，用于定义编码规范、测试规范、Git 提交规范、项目约束等。

从提示词工程到规约工程

2023 年大家热议的是 Prompt Engineering——如何写好提示词。2024 年开始讨论 Context Engineering——如何提供有效的上下文。而到今天，越来越多团队在探讨 Rule Engineering——将项目知识、团队规范、最佳实践、工作流统一沉淀为 AI 可以读取的资产。

规约才是 AI 编程时代的核心资产

很多人觉得 AI 写代码越来越强，但实际上更准确地说：AI 并没有真正理解你的项目。它理解的不是业务，而是上下文；不是团队文化，而是规则；不是经验本身，而是经验的表达形式。那些曾经存在于开发者大脑里的经验，记录在开发规范里的约定，沉淀在最佳实践里的方法论，隐藏在无数次 Code Review 和线上故障复盘中的知识，如今第一次拥有了被数字化的机会。过去，新成员可能需要数月甚至数年的时间，才能逐渐理解这些隐性的经验。而今天，我们可以把这些经验蒸馏成 Rules、Skills、CLAUDE.md、AGENTS.md，让 AI 直接学习和执行。从某种意义上说，这些文件并不是简单的配置文件。它们是团队经验的载体，是工程文化的数字化表达。

总结

当 AI 写出 if (obj != null && obj.ifEnabled) 时，它只是选择了自己最熟悉、最通用、风险最低的方案。如果你希望它输出 if (ObjectUtil.isNotEmpty(obj) && obj.ifEnabled) 甚至完全符合团队规范的代码，那么最重要的不是更换模型，而是建立属于自己的规约体系。未来团队之间真正的竞争力，或许不再是谁拥有更强的模型，而是谁拥有更完善的知识沉淀体系。因为模型终将趋同，而经验，永远稀缺。

延伸阅读：优秀规约与官方参考文档

如果你准备开始构建自己的 AI 规约体系，下面这些资料值得收藏。建议不要一次性全部阅读，而是先建立自己的第一份规则，在项目中实际使用，遇到问题后再查阅这些资料，效果会更好。

Claude Code 官方文档

Claude Code 是目前 Rules、Skills 生态最成熟的 AI 编程工具之一。

官方文档：docs.anthropic.com/en/docs/cla…

推荐重点阅读：

CLAUDE.md

项目级规则文件，用于告诉 Claude 项目结构、编码规范、技术栈、测试要求、开发约束。参考：docs.anthropic.com/en/docs/cla…

Skills

Claude Code 最强大的能力之一，用于封装架构设计经验、Code Review 经验、测试经验、调试经验。参考：docs.anthropic.com/en/docs/cla… 以及 github.com/anthropics/…

Hooks

在 AI 执行前后自动运行脚本，例如自动格式化代码、自动执行测试、自动提交 Git。参考：docs.anthropic.com/en/docs/cla…

OpenAI Codex 官方文档

随着 Agent 能力增强，OpenAI 正在逐步推动 AGENTS.md 成为项目规范的重要载体。官方文档：platform.openai.com/docs/codex

推荐阅读：

AGENTS.md

项目级规则文件，用于定义项目规范、开发约束、测试要求、架构原则。参考：developers.openai.com/codex/guide…

Cursor 官方文档

Cursor 是目前开发者使用最广泛的 AI IDE 之一。官方文档：docs.cursor.com

重点阅读：

Rules

cursor.com/cn/docs/rul… 了解 Global Rules、Project Rules、Auto Attached Rules、Rule Scope。

AGENTS.md

AGENTS.md 正在成为跨平台的事实标准。官方网站：agents.md 核心目标：一次编写，多工具复用。例如 AGENTS.md 在 Claude Code、Codex、Gemini CLI、Cursor、Copilot 等工具中都可被支持。

优秀的 GitHub 规约仓库

这些仓库最大的价值不是直接复制，而是学习别人如何组织、如何描述、如何沉淀经验。

Awesome Claude Code

github.com/hesreallyhi… 目前最知名的 Claude Code 资源导航，包含 Skills、Commands、Hooks、MCP、Workflow、Agents。

Anthropics Skills

github.com/anthropics/… Anthropic 官方维护的 Claude Skills 实现，包含了丰富的示例技能、开发模板和完整文档，是学习和构建 Claude 技能的最佳起点。特色包括：官方权威性（Anthropic 官方维护）、实用性强（涵盖创意设计、技术开发到企业工作流）、学习价值高（提供完整的技能开发模板和最佳实践文档，以及 skill-creator 元技能）、技术深度深（包含 Managed Agents、MCP 服务器构建指南、Prompt Caching 优化等高级功能）。

Everything Claude Code

github.com/affaan-m/ev… 社区最完整的 Claude Code 实战仓库之一，包含 Skills、MCP、Commands、Hooks、Agents，非常适合学习目录组织方式。

Awesome Cursor Rules

github.com/PatrickJS/a… Cursor Rules 最大收集仓库之一，覆盖 React、Vue、Next.js、NestJS、Python、Go、AI Agent 等。

AI Nexus

github.com/JSK9999/ai-… 一个非常有意思的项目，目标是一份规则同步多个 AI 工具，支持 Cursor、Claude Code、Codex。未来很可能会出现更多类似工具。

推荐阅读书单

如果你希望进一步理解为什么规则重要、为什么团队规范重要、为什么经验能够被蒸馏，下面这些经典书籍值得反复阅读。

《人月神话》（The Mythical Man-Month）

作者：Frederick P. Brooks Jr. 软件工程领域最经典著作之一，很多团队协作问题今天依然存在。

《代码大全》（Code Complete）

作者：Steve McConnell 关于编码规范、可维护性、工程实践最经典的参考书之一。

《软件架构师应该知道的97件事》

（97 Things Every Software Architect Should Know） 一本由众多架构师共同完成的经验合集，非常适合理解经验如何被沉淀和传播。

《设计原本》

（The Design of Everyday Things） 作者：Don Norman 理解为什么好的规则能够降低认知成本，这对于设计 AI Rules 同样适用。

最后的思考

过去的软件开发流程是：经验→文档→新人学习→团队传承。而 AI 编程时代正在变成：经验→Rules / Skills / AGENTS.md→AI 学习→团队生产力。这些经验原本存在于开发者的大脑里，记录在开发规范里，沉淀在最佳实践里，隐藏在无数次 Code Review 和线上故障复盘中。过去，它们只能依靠人与人的传递慢慢沉淀。而今天，我们第一次能够将这些经验提取出来，转化为 AI 可以理解和执行的规则。

从知识管理的角度看，Rules、Skills、CLAUDE.md 和 AGENTS.md 并不是简单的配置文件。它们记录的不是参数，而是经验；约束的不是工具，而是工程实践。它们将原本存在于开发者大脑中的隐性知识，转化成团队可以共享、可以传承、可以被 AI 执行的显性知识。过去，经验需要通过文档、培训和 Code Review 才能完成传递。而今天，经验第一次能够直接参与代码生成过程。这意味着团队积累的不再只是代码本身，还有指导 AI 编写这些代码的知识体系。

因此，未来团队之间真正的竞争力，或许不只是模型能力，而是谁拥有更完善的经验沉淀体系。因为模型终将趋同，而经验永远稀缺。