共 3 篇文章
前后端 lint 规则难以对齐的根源在于规则源分散，补救式同步只会持续打补丁。可行方案是建立一份工具无关的规则源文件，由生成器派生出 ESLint、RuboCop 等各自的配置，并在 pre-commit 与 CI 中消费生成产物，通过配置漂移检查保证规则变更原子化。对齐的核心是规则意图而非工具行为，需区分全局一致与语言特有规则。pre-commit 只跑暂存文件的快速检查，CI 负责全量权威验证，两者共享同一份生成配置即可避免规则漂移。
通过将 ESLint 与 tsc 的检查结果作为硬约束反馈给 AI 调试建议，形成“生成—验证—反馈”闭环，可显著提升建议质量。该流程以本地工具链错误清单为基准，对 AI 建议进行机器过滤，并将新增报错反向输入模型迭代优化，把“判断建议是否正确”转化为“判断报错是否可接受”，降低认知负担，同时指出其适用边界与自动化潜力。
一套 ESLint 规则难以适配所有目录，`overrides` 是分层治理的关键。建议顶层设最严基线，再按目录逐层放宽，如测试目录允许 `any`、脚本目录放开 `console`。注意 `files` 需用 `**` 匹配多级路径，多个条目冲突时后者覆盖前者。`overrides` 还能换 parser、细化规则参数，并可通过拆分配置片段避免主文件膨胀。