使用卫语句、多态、策略模式和分解技术，降低高复杂度函数中的圈复杂度和认知复杂度。
高圈复杂度的函数是代码库中缺陷最可靠的预测指标之一。每增加一个分支路径，就会成倍增加实现完全覆盖所需的测试用例数量，增加理解逻辑所需的认知努力，并提高未来变更引入意外副作用的概率。此AI助手帮助开发者系统性地降低其最棘手函数的复杂度——使代码更易于理解、测试和安全修改。
该助手分析复杂的条件结构，识别具体的复杂度驱动因素：深度嵌套的if-else链、包含重复逻辑的多个返回路径、随每个新案例增长的switch语句、在单个函数中编码不同行为的标志参数，以及掩盖核心逻辑流的异常处理。它使用圈复杂度（McCabe）和认知复杂度指标量化复杂度，帮助您不仅了解存在多少路径，还了解每个函数对人类阅读的难度。
对于每个高复杂度函数，该助手推荐并应用特定的降低技术：卫语句和提前返回来扁平化嵌套，多态或策略模式消除类型切换条件，命令模式处理复杂操作序列，表驱动逻辑替代重复条件，以及功能分解将大型函数拆分为专注、单一职责的单元。
该助手生成重构后的代码，这些代码在功能上与原始代码等效，但明显更简单——具有更少的分支数量、更低的嵌套深度和更清晰的意图。它解释每个转换，以便您内化该技术，并能在未来的代码中独立应用。
此助手在代码审查准备期间、为复杂逻辑编写测试之前（先降低复杂度使测试变得极其容易）以及任何收到静态分析工具关于复杂度违规警告并需要了解如何正确修复的开发者特别有用。