课程介绍与目标：Lint 和 Detekt 到底能帮你做什么

大家好，我是你们这堂课的主讲人。在 Android 圈子里摸爬滚打了十来年，我见过太多「代码审查像开盲盒」的项目——每次 PR 一打开，满屏都是缩进错误、命名不规范、甚至空指针隐患。说实话，这种问题如果都靠人工来盯，效率太低了。所以今天这门课，我想跟你聊聊怎么把 Lint 和 Detekt 这两个静态分析工具，塞进 CI 流水线的不同层次里，让机器替你把那些低级的坑提前踩掉。

Lint 是什么？Detekt 又是什么？

先简单说说这俩工具。Lint 是 Android Studio 自带的静态分析工具，它主要扫描 XML 资源、Manifest 文件、Java/Kotlin 代码里那些「约定俗成但不规范」的地方。比如硬编码字符串、未使用的资源、布局性能问题——这些它在行。

Detekt 呢，是专门针对 Kotlin 代码的静态分析工具。它更关注代码复杂度、函数长度、包依赖等「代码坏味道」。我记得在做一个大型模块化项目时，有个同事写了一个 400 行的函数，Detekt 直接报复杂度超标，我一看，其实完全可以拆成四个小函数。从那次之后，我们团队就把 Detekt 的复杂度阈值写进了 CI 的硬性门槛。

简单总结一下两者的侧重点：

工具	重点扫描领域	典型规则	输出格式
Lint	Android 资源、XML、Manifest、Java/Kotlin 语法约定	HardcodedText、UnusedResources、ObsoleteLayoutParam	HTML、XML、JSON、纯文本
Detekt	Kotlin 代码风格、复杂度、潜在缺陷	LongMethod、CyclomaticComplexity、UnusedParameter	HTML、XML、SARIF、纯文本

你想想看，如果把这俩工具只放在「开发者本地跑一跑」，那效果其实很有限。为什么？因为每个人在提交前可能忘了跑，或者跑出来一堆警告直接忽略。所以我一直主张：要把静态分析嵌入到 CI 的不同分层里，让机器替你把第一道关。

CI 分层概念：让静态分析在合适的位置发光

很多团队会把 CI 理解成「就一个 Jenkins job，跑一遍测试就完事」。但实际工程里，CI 是一个多层流水线，从开发者本地的预提交钩子，到远程的代码门禁，每一层的目标不同，工具配置也应该不同。

• 本地层：开发者自己的 IDE / 命令行。这里 Lint 和 Detekt 可以跑「快速模式」，只检查本次修改的文件，目标是秒级反馈。我习惯在 git hooks 里挂一个 pre-commit 脚本，跑 Detekt 的 quick 配置，超过阈值就直接拒绝提交。
• CI 构建层：一般指 push 后触发的 Jenkins / GitLab CI / GitHub Actions。这里跑全量扫描，输出 SARIF 或 HTML 报告，结果存入制品库。我曾经吃过亏——有一次局部扫描没发现问题，全量跑才发现一个废弃的 Activity 引用了即将废弃的 API，差点酿成线上 bug。
• PR 门禁层：代码评审阶段。这里只对比 PR 分支与目标分支的差异，新增的 issue 必须全部清零才能合并。Detekt 可以用 baseline 功能忽略历史遗留问题，只关注增量。
• 代码仓库层：合并到主分支后，可以跑一次全量长时间扫描，生成质量趋势图，用于团队复盘。

我用一个图把这四层的关系画了出来，你看一眼就明白了：

看到这张图，你应该已经理解了我说的「分层」是什么意思。每一层虽然都在跑 Lint 和 Detekt，但规则集、扫描范围、触发时机完全不同。嗯，这里要特别提一句：不要试图用一个配置打天下。我见过有的团队把本地检测的规则开得特别严，结果开发同学每天被几百个警告淹死，最后直接关掉了整个检测。分层就是为了解决这种「过度反馈导致免疫」的问题。

课程适用人群：谁该来听这门课？

说实话，这门课不是给所有人准备的。如果你是刚入行的 Android 新手，我建议你先了解基本的代码规范就好。但如果你符合下面任何一条，这堂课你应该会感兴趣：

• Android 开发工程师（2年以上）：你已经被代码审查里的风格问题折磨过了，想通过自动化工具解放自己。
• CI/CD 工程师或 DevOps 角色：你正在搭建或优化 Android 项目的流水线，想加入代码质量门护。
• 技术负责人或架构师：你需要为团队制定代码规范落地方案，并且希望引入可度量的质量指标。
• 质量保证 / 自动化测试工程师：你想拓宽自己的技能树，把静态分析作为质量保障体系的一部分。

课程目标：学完你能带走什么？

我大概列出了几个核心交付物——等 30 章学完，你应该能：

1. 理解 Lint 和 Detekt 的底层规则引擎，不再怕自定义规则。
2. 搭建一套覆盖本地 - CI - PR 的分层静态分析流水线，并且能根据团队实际情况调整各个层的规则严度。
3. 学会使用 Detekt 的 baseline 机制，平滑处理历史代码，不被遗留问题卡住。
4. 把 Lint/Detekt 的报告集成到 Code Review 流程中，让审查者只看增量问题，而不是整个项目报告。
5. 通过质量趋势图衡量团队代码改进效果，用数据推动规范落地。

说白了，这门课的目标就是让你不再纠结「代码规范怎么落地」——把工具配好、把流程打通，剩下的交给机器。