遗留系统重构与代码迁移中大模型的辅助应用潜力.docxVIP

PAGE2

《遗留系统重构与代码迁移中大模型的辅助应用潜力》

一、调研概述

1.1调研背景与目的

在数字化转型浪潮中，大量企业核心业务仍运行于陈旧的遗留系统之上。这些系统往往采用COBOL、老旧Java或C++等语言编写，架构耦合度高、文档缺失，维护成本呈指数级增长。

与此同时，AI大模型在代码理解与生成领域取得了突破性进展。本研究旨在深入剖析大模型在遗留系统现代化改造中的辅助应用潜力，评估其在代码理解、语言转换及架构升级中的实际效能。

调研的核心价值在于为技术决策者提供量化参考，验证AI能否打破“重写风险高、维护成本贵”的双重困境。通过系统化分析，我们将揭示大模型如何将人工重构的“手艺活”转变为半自动化的“工程流”，从而显著降低企业数字资产焕新的门槛与风险。

1.2研究范围与方法

本报告聚焦于利用大语言模型辅助遗留系统重构的全生命周期，涵盖老旧代码的静态理解、跨编程语言翻译、以及从单体架构向微服务或云原生架构的迁移。研究时间跨度覆盖2022年至2025年第一季度的技术演进。

在研究方法上，我们采用了多维度综合分析法。首先，通过文献研究梳理了当前AI4SE（人工智能辅助软件工程）的学术前沿；其次，结合对主流大模型在HumanEval、SWE-bench等基准测试中的表现数据进行实证分析；最后，通过专家访谈收集了金融、政务等领域一线架构师的实践经验。

研究方法体系表

研究方