, AI-SLOP Detector 3.1.1 - เครื่องมือวิเคราะห์สำหรับจับโค้ดสปาเกตตีที่สร้างโดย AI Agent

AI-SLOP Detector เป็นเครื่องมือสำหรับวิเคราะห์แบบสถิติเพื่อตรวจหาข้อบกพร่องเชิงโครงสร้างที่มักพบในโค้ดที่สร้างโดย AI agent

แทนที่จะเป็นการตรวจสอบสไตล์แบบทั่วไป เครื่องมือนี้มุ่งเน้นไปที่การจับ "โค้ดที่ดูเผินๆ สะอาดเรียบร้อย แต่จริงๆ แล้วไม่น่าไว้วางใจ" เช่น การทำ stub implementation, phantom import, คอมเมนต์/คำศัพท์ที่เวอร์เกินจริง, หรือความซับซ้อนที่ถูกซ่อนไว้ด้วยการแยกเป็น helper

ทำอะไรได้บ้าง

• วิเคราะห์ไฟล์ Python เดี่ยว / ทั้งโปรเจกต์
• เชื่อมต่อกับ pipeline อัตโนมัติผ่านเอาต์พุต JSON
• ใช้เป็น CI gate
• รองรับส่วนขยาย VS Code
• ตรวจจับแพตเทิร์นข้อบกพร่องเชิงโครงสร้างของโค้ด AI

ทำไมถึงจำเป็น

• ช่วยแยกความแตกต่างระหว่างคุณภาพที่ดูดีภายนอกกับความหนาแน่นของการ implement จริงในโค้ด AI ที่สร้างอย่างรวดเร็ว
• ช่วยกรองโค้ดกลวงที่ดูน่าเชื่อถือซึ่งเครื่องมือ lint/style มักพลาด
• เชื่อมต่อได้ทันทีตั้งแต่การวิเคราะห์บนเครื่องไปจนถึง CI

การเปลี่ยนแปลงสำคัญจาก 2.9.x ~ 3.1.1

• เพิ่มและปรับความแม่นยำในการตรวจจับ phantom import
  → แยกแยะได้แม่นยำขึ้นระหว่างแพ็กเกจที่ไม่มีอยู่จริง, import ที่ผิด, และ optional dependency/guarded import
• เพิ่ม history tracking + self-calibration
  → อิงจากประวัติการรัน ทำให้แยก false positive กับปัญหาจริงได้ง่ายขึ้น
• เปลี่ยนโมเดลการให้คะแนนเป็นแบบค่าเฉลี่ยเรขาคณิตถ่วงน้ำหนัก (GQG)
  → ทำให้ตัวชี้วัดดีๆ เพียงหนึ่งหรือสองตัวกลบปัญหาทั้งหมดได้ยากขึ้น
• เพิ่มการตรวจจับ fragmented god function
  → สามารถจับแพตเทิร์นที่ทำให้ฟังก์ชันซับซ้อนดูสะอาดขึ้นด้วยการแยกเป็น helper หลายตัวเพื่อซ่อนความซับซ้อนได้
• เพิ่มการตรวจจับ placeholder variable naming
  → จับสัญญาณของโค้ดที่ดูเป็นระเบียบแต่ความหมายอ่อน เช่น r1, r2 ... r12 หรือการใช้พารามิเตอร์ตัวอักษรเดี่ยวพร่ำเพรื่อ
• เสริมการตรวจจับ empty-container / constant stub
  → จับโค้ดประเภท "มีแค่รูปทรงเป็นฟังก์ชัน" อย่าง return {}, return [], return 42 ได้ดีขึ้น
• เพิ่ม adversarial validation ที่อิง SPAR-Code
  → ไม่ได้เพิ่มฟีเจอร์เป็นหลัก แต่เสริมให้จับแพตเทิร์นการหลบเลี่ยงที่เคยมองข้ามได้ดีขึ้น
• ปรับปรุง workflow ของ VS Code / CLI
  → ทำให้การใช้งานจริงดีขึ้นในด้าน clone signal visibility, workspace analysis, history trends เป็นต้น