随着大模型辅助编程的普及，AI Agent（如 Claude Code）在长会话中会大量生成 PLAN.md、SUMMARY.md、HANDOFF 等中间态文档。这些文件在会话结束后往往被开发者遗忘，不仅造成仓库结构杂乱，更严重的是，这些包含过时状态的文件会被后续的新会话读取，导致 Agent 消耗大量 Token 并产生基于旧状态的错误判断。针对这一“数字遗骸”问题，一位开发者开源了名为 mdsweep 的单文件 Node CLI 工具。该工具通过三个核心信号：文件名模式、Git 历史中的 Co-Authored-By 标记、以及 Frontmatter 标记，精准识别 AI 产物。其核心逻辑依据 Git 活跃度和入站引用，将文件划分为活跃、陈旧但有引用、完全孤儿三类。为保障安全，mdsweep 仅对“孤儿文件”进行隔离操作，默认执行 Dry-run 模式，且设计中不包含任何删除逻辑，支持字节级还原。实测显示，在扫描 14 个仓库的 1879 个文件后，成功识别出 317 个 AI 生成的文档，其中 54% 已陈旧。颇具意味的是，该工具本身也是由 Claude Code 编写，完美命中了 Git 协作标记。作者目前呼吁社区反馈更多 Agent 常见的文件名模式，以完善匹配规则。
事件分析
mdsweep 的出现标志着 AI 辅助开发从单纯的“代码生成”阶段迈向了“环境治理”阶段。随着 AI 编程工具的深度介入，项目仓库中的“AI 噪音”（即无用的中间态文档）正成为影响开发效率和 Token 成本的新瓶颈。该工具的实践揭示了一个关键的技术趋势：未来的 AI 工程化不仅需要强大的生成能力，更需要配套的“遗忘机制”或上下文卫生管理系统。mdsweep 利用 Git 历史和引用图谱来判定文件价值，这种基于工程化信号而非语义分析的方案，在当前大模型幻觉和上下文窗口限制下，显得尤为务实和高效。此外，工具由 AI 编写用于清理 AI 产出的现象，也隐喻了 Agent 自动化运维的雏形，即 AI 可能需要自我维护其产生的数字资产。
💡 核心观点：mdsweep 揭示了 AI 编程的“熵增”隐忧，通过引入自动化卫生管理机制，有效解决了 Agent 遗留文件导致的 Token 浪费与上下文污染问题。
原文链接：V2EX 分享发现