ИИ в разработке и миграции legacy-кода: как подготовить модуль к переводу за один день
Практический процесс подготовки одного legacy-модуля к ИИ-ассистированному переводу: карта рисков, извлечение неявных бизнес-правил, эталонные тест-кейсы и критерий приёмки.

ИИ-ассистент может переписать фрагмент старого кода быстрее, чем человек наберёт задачу. Но в legacy-системах главная работа — не в генерации нового кода, а в том, чтобы заранее понять, что именно должно сохраниться. Если этого не сделать, перевод будет выглядеть правдоподобно и расходиться с поведением работающей системы в мелочах, которые дорого стоят в транзакционной логике.
Ниже — процесс подготовки одного legacy-модуля к ИИ-ассистированному переводу примерно за один рабочий день. Это не обзор инструментов и не набор промтов: речь о том, что нужно выяснить и зафиксировать до того, как ассистент получит исходник. Материал опирается на опубликованные исследования по переводу COBOL и на общие инженерные практики; учебный пример в конце помечен как учебный и не является результатом исследования.
Зачем готовить legacy-модуль перед ИИ-переводом
У legacy-кода обычно нет трёх вещей, на которые опирается современная разработка: тестов, документации и людей, помнящих исходный замысел. Бизнес-правила часто существуют только в виде работающего кода и накопленных данных. Исследование COBOL-Coder (arXiv) прямо отмечает, что модели общего назначения плохо справляются с legacy-языками: большая часть production-кода закрыта, обучающих данных мало, а синтаксис и идиомы далеки от современных. В их экспериментах даже специализированная модель показывает не абсолютную точность, а заметно лучшую по сравнению с универсальными.
Второй источник — работа IBM по оценке перевода COBOL→Java (arXiv). Авторы подчёркивают: доказать эквивалентность двух программ в общем случае невозможно, поэтому оценку строят из набора проверок — синтаксических, семантических, компиляции и исполнения, — а не из одного числа «точности». Для практика это означает: критерий приёмки нужно определить до перевода, иначе спорить будет не о чем.
Отсюда задача дня: не «перевести», а сделать модуль пригодным для перевода — с понятными границами, зафиксированными правилами и эталоном поведения. Именно в этом состоит перенос legacy-кода с помощью ИИ: ассистент выполняет механическую часть, а подготовка модуля остаётся работой команды.
Карта рисков: четыре типа модулей
Не каждый модуль требует одинаковой подготовки. Разметка по типам экономит время: где-то достаточно снять несколько примеров, а где-то нужен полный набор эталонных прогонов.
| Тип модуля | Что внутри | Главный риск | Что готовить |
|---|---|---|---|
| Чистые вычисления | Формулы, преобразования, расчёты без побочных эффектов | Округления, порядок операций, переполнения | Набор входов и точных выходов, включая краевые значения |
| Транзакционная логика | Проводки, списания, изменения статусов | Скрытые условия, порядок шагов, частичные сбои | Сценарии с последовательностью операций и состоянием до/после |
| Интеграционные адаптеры | Обмен с внешними системами, файлы, очереди | Форматы, кодировки, обработка отсутствующих записей | Примеры реальных сообщений и реакций на некорректные |
| Отчётность | Выборки, агрегаты, выгрузки | Сортировка, итоги, границы периодов | Сверка итогов на исторических данных |
Практический приём: пройдите по модулю и присвойте каждому участку один из четырёх типов. Участки, которые не удаётся отнести ни к одному, — первый сигнал, что вы не понимаете, что делает код. Это не повод откладывать, а повод начать именно с них.
Шаг 1. Инвентаризация модуля и скрытых зависимостей
Цель шага — очертить границы того, что будет переводиться, и найти всё, от чего модуль зависит неявно.
- Входы и выходы. Выпишите, откуда приходят данные (файлы, таблицы, вызовы других программ) и куда уходят результаты.
- Вызовы наружу. Отметьте каждый вызов другой программы, сервиса или утилиты. Для ИИ-перевода это границы: их поведение нужно либо сохранить, либо явно заменить.
- Глобальное состояние. Общие области, переменные окружения, параметры запуска, которые меняют поведение.
- Данные, а не только код. Справочники, константы, таблицы настроек — часть логики, даже если лежат вне исходника.
Результат шага — короткая схема зависимостей и список того, что остаётся за пределами перевода. Без этого ассистент получит фрагмент в вакууме и достроит недостающее по своему усмотрению.
Шаг 2. Извлечение неявных бизнес-правил
Здесь основная интеллектуальная работа дня. Правила не нужно придумывать — их нужно обнаружить в работающей системе и записать.
- Трассировка входов и выходов. Возьмите несколько реальных запусков и проследите, как конкретный вход превращается в конкретный выход. Отмечайте места, где результат зависит от условий, не очевидных из кода.
- Фиксация краевых случаев. Отдельно выпишите: пустые значения, отсутствующие записи, нули, отрицательные суммы, границы периодов. Именно здесь чаще всего расходятся оригинал и перевод.
- Сверка с продовыми данными. Сравните ваши ожидания с тем, что фактически записано в системе. Расхождение — либо ошибка в вашем понимании, либо историческое поведение, которое нельзя менять молча.
- Формализация. Запишите каждое правило одной фразой в формате «при условии X результат Y, иначе Z». Такой список становится частью задания ассистенту и частью критерия приёмки.
Отдельно отметьте правила, которые вы не смогли объяснить. Их нельзя передавать как «сделай так же» — сначала нужно понять, намеренное это поведение или исторический дефект.
Шаг 3. Эталонные тест-кейсы без готовых тестов
Если тестов нет, их не нужно писать с нуля «по коду»: это воспроизведёт ваше же непонимание. Эталон снимают с работающей системы.
- Снимайте фактические ответы. Прогоните реальные входы через текущую систему и сохраните выходы как есть, не «поправляя» их вручную.
- Покрывайте типы, а не объём. Несколько кейсов на каждый тип модуля из карты рисков полезнее сотни однотипных.
- Включайте краевые случаи из шага 2. Отсутствующие записи, нули, границы — обязательная часть набора.
- Фиксируйте окружение. Версия, параметры запуска, состояние справочников — без этого эталон невоспроизводим.
Практическое ограничение: снятие эталонов с работающей системы требует доступа и осторожности. Не запускайте на проде то, что меняет данные, без согласования; для транзакционной логики используйте копию или тестовый контур.
Шаг 4. Критерий приёмки: округления и порядок операций
Критерий приёмки формулируется до перевода и в терминах поведения, а не «код выглядит правильно». Разумный минимум:
- Переведённый модуль даёт тот же результат на всех эталонных кейсах, включая краевые.
- Совпадают правила округления: тип округления, момент округления (до или после суммирования), обработка отрицательных значений.
- Совпадает порядок операций там, где он влияет на результат: последовательность начислений, порядок применения скидок, очерёдность обновления записей.
- Поведение при отсутствующих или некорректных данных совпадает с оригиналом — включая случаи, когда оригинал ведёт себя странно.
- Границы с внешними вызовами задокументированы и не изменены без отдельного решения.
Полезно заранее договориться, что считается допустимым расхождением, а что — блокирующим. Без этого приёмка превращается в спор о вкусах. Подход IBM с набором разнотипных проверок здесь уместен как ориентир: один вид проверки не покрывает качество перевода.
Учебный пример: расхождение в округлении
Пример ниже — учебный, создан для иллюстрации и не является результатом исследования или реального проекта.
Представим старый модуль на COBOL, который считает сумму к списанию по нескольким позициям и округляет итог до копеек. В оригинале округление выполняется после суммирования всех позиций, а промежуточные значения хранятся с большей точностью. Ассистент, переписывая логику на Java, может естественным образом округлить каждую позицию до копеек, а затем сложить — код выглядит чище, но итог на наборе из нескольких позиций расходится на копейку.
Второй типичный случай — порядок операций: скидка применяется до или после начисления. Математически при некоторых условиях результат совпадает, но при округлении на каждом шаге — нет. Оба расхождения не видны при чтении кода и обнаруживаются только на эталонных кейсах, снятых с работающей системы.
Вывод из примера: в критерий приёмки нужно явно вписать момент округления и порядок шагов, иначе проверка «результат совпал на одном примере» ничего не гарантирует.
Чек-лист: модуль готов к ИИ-ассистированному переводу
- Каждый участок модуля отнесён к одному из четырёх типов.
- Схема зависимостей и границы перевода зафиксированы.
- Неявные бизнес-правила выписаны в формате «условие → результат».
- Нераскрытые правила отмечены отдельно и не передаются как «сделай так же».
- Эталонные кейсы сняты с работающей системы, включая краевые случаи.
- Окружения и параметры запуска эталонов зафиксированы.
- Критерий приёмки включает округления и порядок операций.
- Определено, какие расхождения блокирующие, а какие допустимые.
Если все пункты закрыты, у ассистента есть задача с проверяемым результатом, а у вас — основание принять или отклонить перевод. Если часть пунктов не закрыта, это честный сигнал: день уйдёт на понимание модуля, а не на перевод.
Что остаётся за человеком
ИИ ускоряет механическую часть: переписывание конструкций, приведение к идиомам целевого языка, черновые варианты. За человеком остаётся то, что нельзя вывести из исходника: решение, какое поведение считать намеренным, какие расхождения допустимы и кто отвечает за результат в транзакционной логике. Исследования по переводу legacy-кода показывают, что качество сильно зависит от доменной подготовки и оценки, а не только от модели, — поэтому подготовка модуля остаётся работой команды, а не ассистента.
Смежные темы: ИИ-агенты в разработке, корпоративные языковые модели, ИИ-агенты и стандарты. Первичные источники по теме: COBOL-Coder и Quality Evaluation of COBOL to Java Code Transformation.


