前言
在 Day 8 中，我們介紹了如何用 Cursor 與 GitHub Copilot 快速產出程式碼。然而，在日常開發中，工程師花在「讀 Code、除錯 (Debug) 與重構 (Refactoring)」的時間，往往遠多於撰寫全新程式碼的時間。

面對接手的遺留系統（Legacy Code）或是詭異的 Runtime Bug，AI 能夠扮演高效率的「24 小時專屬 Code Reviewer」。今天我們將探討如何用 AI 幫你快速抓出資安漏洞、定位 Memory Leak，並將笨重的舊程式碼重構成乾淨簡潔的現代架構！

一、AI 除錯的黃金公式：如何精準提問？
當程式發生 Error 或邏輯不符預期時，直接把錯誤訊息甩給 AI 通常只能得到籠統的回答。要讓 AI 發揮最高除錯效益，請使用以下三步驟 Prompt 架構：

環境與上下文 (Context)： 提供語言版本、主要套件與框架。

預期行為 vs 實際結果 (Expected vs Actual)： 說明你希望發生什麼，但實際上發生了什麼。

完整 Call Stack / Traceback： 附上詳細的報錯日誌與相關程式碼。

優質 Debug Prompt 範例：
「這是一個 Python 3.11 / FastAPI 的 Endpoint（附上片段）。
預期行為： 使用者傳入 JSON 資料後應寫入 MongoDB 並回傳 201。
實際結果： 在併發高時會觸發 pymongo.errors.ServerSelectionTimeoutError。
請幫我分析：

可能造成連線池（Connection Pool）耗盡的原因有哪些？

請提供修正後的程式碼片段（含連線池設定優化）。」

二、實戰範例：用 AI 將 Legacy Code 重構成現代化架構
假設我們有一段舊版的 Python 程式碼，裡面充斥著多層巢狀 if-else、全域變數以及缺乏型別標註（Type Hints）：

❌ 重構前 (Legacy Code)：
Python

舊有程式碼：邏輯混亂且難以維護

def process_data(data):
if data != None:
if 'status' in data:
if data['status'] == 'active':
res = []
for item in data['items']:
if item['price'] > 100:
res.append(item['name'].upper())
return res
return None
💡 給 AI 的重構 Prompt：
「請重構這段 Python 函數：

使用 Early Return / Guard Clauses 消除深度巢狀。

加入 Python Type Hints 與 Docstring。

改用語意更清晰的 List Comprehension 或 Functional Style。

增加邊界條件檢查。」

✅ 重構後 (Refactored Code)：
Python
from typing import Dict, List, Any, Optional

def extract_active_high_value_items(data: Optional[Dict[str, Any]]) -> List[str]:
"""從輸入資料中過濾出狀態為 active 且價格大於 100 的項目名稱。"""
if not data or data.get('status') != 'active':
return []

items = data.get('items', [])
return [
    item['name'].upper() 
    for item in items 
    if item.get('price', 0) > 100
]

三、AI 靜態分析與資安檢測 (Security & Code Review)
除了寫 Code 與除錯外，你也可以把 AI 納入 Git Commit 或 PR (Pull Request) 的檢核關卡：

抓 SQL Injection / XSS 漏洞： 讓 AI 檢視前端與後端介面，檢查是否有未經過濾的 SQL 查詢或未轉義的 HTML 輸出。

檢查 Time/Space Complexity： 詢問 AI：「這段演算法的時間複雜度是多少？是否有雙重迴圈造成的效能瓶頸？如何優化至 O(N)？」

自動產生單元測試 (Unit Tests)： 指示 AI：「請針對這段程式碼，列出所有邊界條件 (Edge Cases) 並寫出基於 pytest 的測試用例。」

四、心法與避坑提示
小範圍重構： 每次只讓 AI 重構一個模組或函數，重構後立即執行測試，切忌一次重構整個專案。

信任但要驗證 (Trust, but Verify)： AI 偶爾會「幻覺」出不存在的套件方法，或是看似簡潔卻改變原業務邏輯的改動，必須依賴完善的測試（Test Suite）來保護系統。

結語
善用 AI 輔助 Debug 與重構，不僅能幫我們節省大量尋找 typo 與語法錯誤的時間，更能透過對比 AI 提供的高品質程式碼，在日常開發中無形提升自己的 Coding Style 與架構眼界。

明天（Day 10），我們將進入第二週的下一個重點：「AI 輔助系統架構設計與 API 文件撰寫（OpenAPI / Mermaid.js）」，我們明天見！