业长期背负着大量遗留技术系统，而维持这些系统运行的成本十分高昂。以零售银行为例，近三分之二的 IT 预算都被用于系统维护。对于银行而言，这当然不是一个小问题：这些系统承载着数以百万计客户的个人信息和关键业务数据。由于监管合规和声誉风险始终是大型银行最关注的问题，推动银行遗留系统现代化往往会被视为风险很高的任务，甚至容易让人质疑其必要性。正因如此，许多银行的核心系统和关键应用长期缺乏投入，如今已经难

在 Sculley 等人于 2015 年发表的一篇著名论文《机器学习系统中的隐藏技术债务》中，作者指出，在真实世界的机器学习系统中，真正的机器学习代码只占很小一部分；而支撑系统持续演进的基础设施和流程，则要庞大得多。论文还讨论了这类系统中可能累积的多种技术债务来源，包括数据依赖、模型复杂性、可复现性、测试、监控，以及对外部环境变化的响应能力等。传统软件系统同样会面临许多类似问题。持续交付正是通过自

Claude Code 优化 PostgreSQL 数据库项目的代码质量，关键不在“让它替你写数据库”，而在于让它成为可读性、复杂度和规范检查的第二审查者。它特别适合做三件事：把难读的 SQL 解释清楚，把复杂函数的问题拆出来，把零散经验整理成团队规范。只要边界明确、输入充分、流程合理，它确实能显著降低数据库代码 review 的理解成本。

你可以先在纸上推演一遍，再运行调试器，对照实际执行过程，检查自己脑海中的模型是否准确。对于团队来说，纸上调试不只是一种临时排查问题的方法，也可以成为知识沉淀的一部分。这个方法看似简单，却能迫使人们从过于局部的细节中抽离出来，在脑海里，也在纸面上，重新梳理代码的整体运行逻辑。我发现，帮助别人调试代码时，最有效的方法之一，就是和对方一起做纸上调试。最坏的情况是，问题依然没有解决，但我至少也理解了问题是

Claude Code 优化 PostgreSQL 数据库项目的代码质量，关键不在“让它替你写数据库”，而在于让它成为可读性、复杂度和规范检查的第二审查者。它特别适合做三件事：把难读的 SQL 解释清楚，把复杂函数的问题拆出来，把零散经验整理成团队规范。只要边界明确、输入充分、流程合理，它确实能显著降低数据库代码 review 的理解成本。

undefined