去年 8 月，在看到 IBM 在自家的 watsonx Code Assistant 中加入了 COBOL 語言轉 Java 的功能後。在分析了一下午之後，我似乎理解了它的工作思想，以及應該如何去設計這樣的 AI 輔助工具。而考慮到 AutoDev 並非專門爲遺留系統改造而設計的，所以只能將相同的功能以不同的方式結合到一起。
隨著，我們在輔助測試和 SQL 的完善，在 AutoDev 中具備了基礎的輔助遺留系統改造功能：
輔助遷移測試的 API 數據生成。輔助知識管理的文檔生成。基于注釋文檔的活文檔業務體系。面向對象的遺留代碼重構。PL/SQL 代碼生成與遷移 Java 代碼。詳細可以參見 AutoDev 場景文檔系列：https://ide.unitmesh.cc/scenes/legacy-migration.html 。
遺留系統遷移的 AI 範式在過去的幾年裏，Thoughtworks 在行業內分享了一系列遺留系統改造的經驗，絞殺者模式 vs 修繕模式、N 步重構法等。作爲一個寫過幾個重構工具的磚家，我也在五年前編寫了《系統重構與遷移指南》（https://migration.ink/）。
從模式上來說，遺留系統重構的過程可以簡單分爲：
理解現有業務設計與拆分模塊構建測試防護網代碼重構以遷移根據不同的系統在實現上略有差異，回到 IBM 的 COBOL 遷移工具的設計中，幾乎以上述的過程是相似的：
理解。通過可視化的方式分析代碼、數據、依賴重構。將 COBOL 程序解耦爲模塊化的 COBOL 架構轉換。先爲目標代碼編寫測試，再生成對應的 Java 代碼。但是，在不同的場景上會出現一些差異，這也是我們在設計工具時所需要考慮的。
AI 遺留系統重構工具設計結合我們豐富的遺留系統重構經驗，我們還是可以按上述的幾個步驟來構建 AI 工具。
理解業務：業務理解與可視化遺留系統的一大痛點是沒有知道業務知識，所以在生成式 AI 的加持下，問題域可以變爲：
如何結合從現有的代碼中知道業務的實現。即結合語義化搜索與 RAG，將用戶的查詢轉換爲代碼搜索，最後交由 AI 來總結。如何可視化業務邏輯。在不同的場景之下，實現功能的要求也是不一樣的。從可視化的角度來說，我們可以將代碼轉換爲 DSL，再結合可視化工具來展示。如結合我們以往的工具，我們在 AutoDev 的文檔生成功能中添加了活文檔（Living Documentation）的功能，你可以結合注解從現有的邏輯中可視化業務。
如下是一個結合 AutoDev 生成活文檔的示例：
@ScenarioDescription( given = "a file with name $filename and program text $programText", when = "the function tryFitAllFile is called with maxTokenCount $maxTokenCount, language $language, and virtualFile $virtualFile", then = "the function should return an ErrorScope object with the correct values")隨後，就可以清晰地呈現已有的邏輯實現。
測試構建：測試數據生成與集成測試生成通常來說，爲了代碼修複後功能是正常的，需要針對于 API 級別進行功能測試。所以，我們需要結合 API 測試工具或者是最外層的 Controller 進行測試。
測試數據測試。在結合生成式 AI 時，我們可以結合靜態分析從入口生成測試數據。即我們在 AutoDev 中提供的測試數據生成功能。集成測試生成。可以結合直接使用 AutoDev 的一鍵生成測試功能，可以生成對應的 Controller 測試等。有了足夠的測試防護網之後，我們就可以開始進行對應的代碼轉換。
代碼翻譯：從 xx 語言到 xx 語言盡管 AI 翻譯跨語言的代碼時，並不是那麽准確，可能出現一些 API 錯誤。諸如于，在 PL/SQL 中的函數寫法不一致，導致在翻譯成 Java 時會出現函數不存在。因此，我們需要一次性的將一段存儲過程的代碼翻譯完，以確保翻譯是通過的。
對應的，這個功能在 AutoDev 上的實現便是自定義 Prompts，以支持更豐富的翻譯功能。
針對特定語言翻譯：PL/SQL 示例由于不同語言間存在一些能力等的差異，所以我們需要考慮到不同的語言的場景。諸如于，在 AutoDev 中針對于 PL/SQL 構建了相似的功能：
從 SQL 代碼生成 entity 代碼。從 SQL 代碼生成 Java 測試。從 SQL 代碼生成 Java 代碼。考慮到對于語言的理解，能力還是有待進一步完善的。
總結總而言之，言而總之，遺留系統還是一個頗爲理想的 AI 輔助場景。AI 可以增強我們現有的重構方式，但是是否存在新的方式是一個特別有意思的問題。
