Разработка и внедрение моделей

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.

Редакция DeepMe
· Обновлено · 7 мин чтения
Раскрытая бумажная карточка с загнутым углом, цепочка керамических кубиков и шар, связанный с ней лентой.

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 модуляЧто внутриГлавный рискЧто готовить
Чистые вычисленияФормулы, преобразования, расчёты без побочных эффектовОкругления, порядок операций, переполненияНабор входов и точных выходов, включая краевые значения
Транзакционная логикаПроводки, списания, изменения статусовСкрытые условия, порядок шагов, частичные сбоиСценарии с последовательностью операций и состоянием до/после
Интеграционные адаптерыОбмен с внешними системами, файлы, очередиФорматы, кодировки, обработка отсутствующих записейПримеры реальных сообщений и реакций на некорректные
ОтчётностьВыборки, агрегаты, выгрузкиСортировка, итоги, границы периодовСверка 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.

  1. 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.
  2. Фиксация краевых случаев. Отдельно выпишите: пустые значения, отсутствующие записи, нули, отрицательные суммы, границы периодов. Именно здесь чаще всего расходятся оригинал и перевод.
  3. 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.
  4. 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.