第七十八章 无主地带
「历史遗留，没人负责。」
他把这六个字看了两遍，给乔木回了一条：「那三个目录叫什么，能发过来吗？」
乔木把截图发过来了。最上面是 `/legacy/third-party`，下面还有两处：`/internal/old-bridge` 和 `/shared/deprecated`。
他认出了这几个命名风格。legacy、deprecated 是老项目里常见的冷藏区，最后一次提交不知道是哪年。third-party 是从别处拉进来的库，注释不是自己写的，语言风格可能和主库完全不同。这批东西要是直接进训练流程，什么结果都有可能。
工程里最麻烦的往往是没人管的老代码。复杂代码有人会去看，有人能问，出了问题能追溯。老代码没有这些，写的人走了，规则没有记录，只剩下一堆结果堆在那里，谁也不知道当时是怎么决策的。
「先不要催他们填。」他给乔木说，「让我先问一下项磊，这几处的背景是什么。」
项磊的电话十一点才接，有点懒，像是刚躺下。
「那三个目录，你们自己有没有人了解情况的？」
「legacy-third-party 那个，」项磊说，「是两年前和另一家公司做合并的时候拉进来的库，他们的代码，他们的注释，我们这边没改过，具体风格不清楚。」
「old-bridge 和 deprecated 呢？」
「桥接层，」项磊有点含糊，「早期三个人写的，有人离职了，现在谁也说不清楚里面有什么。deprecated 那个就更麻烦，最后一次提交 2021 年，主库里有几处引用还没清干净，没人敢动，就这么留着。」
电话里的情况，他在脑子里过了一遍。
外来代码、多人流失的老桥接层、无人敢碰的历史负债，三种来路，一个共同点：没有人真的知道里面是什么状态。
那边沉默了一两秒，项磊说：「这几个目录，」项磊停了停，「我们领导那边一直说要覆盖，说完整性要求，我这边没办法直接说排除。」
他没有绕，直接说：「你听我说完。如果这几处直接进训练，验收报告里很可能出现两种结果：一是模型给出的注释建议包含废弃接口和过期路径，二是中英混排识别出错，建议语义混乱。根源在这批历史代码污染了训练集，后面出了问题客户找你们、你们找我们，谁也说不清楚。」
项磊没有立刻说话，停了一下。
「先排除，先跑预扫描，把语言构成和注释质量给你们看。你们拿数据去跟领导说，这几处目录当前状态不适合进第一阶段训练。我们出数据，风险是真实的，你们决定。」
「行。」项磊说，「那就先扫，出来了告诉我一声。」
麦景行那边，他把项磊电话里说的情况整理了一遍发过去，最后加了一句：「明天上午，有没有时间先跑一遍预扫描，把这几处的语言构成摸清楚？不进训练，只是先看。」
麦景行没有立刻回，过了几分钟，发来一个字：「行。」
他等了一下，以为就这样了，结果麦景行又发来一条：「你现在发给我看一下，那几处的路径。」
路径发过去了。
「/legacy 下面那个，」麦景行说，「这个名字我见过。大仓合并最容易出这种，拉进来的时候先放一个目录，后来不动就永远在那儿。没有人删，因为删错了会有人找来。」
「和你说的情况一样，」他回，「所以要先扫再说。」
又过了一会儿，补了一条：「预扫描脚本今天晚上写，明天早上出结果。你让项磊给一份只读访问权限，三个路径，其他不用开。」
「我来协调。」
路径列好，他发给了项磊，说明只读即可。
那边没多想，直接回了：「让我们技术负责人明天早上给你们开临时读权限，其他地方不开。」
这件事就这样定了。
手机放下，他在工位上坐了一会儿。今天早上他在等麦景行确认代码嵌注释，以为那是本周最大的不确定性。表单晚上回来，才知道还有更深的一层。
今天表单发出去，他以为"历史遗留，没人负责"只是客户不认真填，但项磊解释清楚之后才明白，那几处是真的处于一个奇怪的状态：有人用，但没人知道里面有什么；不敢删，也没人维护。这种代码最容易出问题，出了问题也不知道找谁。
双语注释本质是让模型学习代码上下文里的语言意图。如果训练数据混进一批来历不明、风格混乱的注释，模型学进去的全是噪声。
第一阶段把这几处排除在外，判断是对的。但第六天了，刚发现一个真正复杂的问题。
他给乔木发了一条：「明天和项磊对一下，我们这次排除三个目录的原因要写进交接文档，让他们技术侧自己看得到。验收的时候别突然冒出来。」
乔木回得很快：「好，明天上午，我来跟他说。」
消息放下，他想了一下还差什么。麦景行明天有访问权限，脚本今晚写，扫描结果明天早上出来。乔木明天去跟项磊说排除原因。下午他来看扫描报告，决定这三处目录后续的处理策略。第六天推进的脉络，就这样。
剩下的不确定性在于那三处到底有多少注释、语言分布是什么情况。如果真的很混乱，后面可能要建议项磊的团队自己先梳理一遍再纳入训练，那就是另一条时间线了。不管结果怎样，今晚先睡，明天数据出来再说。
船坞里，比平时晚了一些。
「晚上情况：接入表单里三个核心目录被标'历史遗留，没人负责'。问清楚了，是合并过来的第三方库、多人流失的老桥接层、2021年留下的废弃模块。三个都是无主的，不进第一阶段训练。麦景行明天跑预扫描，先把语言分布情况摸清楚。」
豆包那道暖橙的光：
> 让项磊邮件确认排除范围，这步很重要。如果只是口头说过，后续验收覆盖率被质疑，你们拿不出书面记录，很被动。邮件确认一封，双方都有依据。
「让乔木发给项磊一封确认邮件，把三处目录、排除原因、预扫描计划都写进去，让他回复确认。」
Claude那道蓝紫光：
> 预扫描表格字段这样设：目录名、总注释行数、纯中文行数、纯英文行数、混合行数、识别符密度、建议处置方式。最后一列把判断帮项磊写好，他们拿这个去跟领导汇报，省去沟通成本。
「告诉麦景行，建议处置方式那列也填上，别让项磊自己猜。」
Codex那道翠绿光：
> 权限要开临时的，访问范围只限那三个路径，扫描结束当天关闭，操作日志留给项磊。这样你们不会被质疑越权访问，项磊那边也能向上交代。
「让麦景行权限问题提前和项磊说清楚，日志自动留存。」
窗口合上。
他靠在椅背上，看着天花板。今天早上解了一颗雷，今晚发现另一个坑。这两件事都不在原定计划里，一个排查半天搞定，另一个明天才知道有多深。工程里的意外大多数是这样冒出来的：你以为今天是普通的第六天，结果扫完表单，才发现还有三个没人管的目录在等着。
第六天。多了三个无主目录。进度表上没有，但它就在那儿。
他不知道的是，第二天早上麦景行发来的第一张扫描结果表里，`/shared/deprecated` 的注释行数，比主库核心模块还多。