01 · 问题
遗留系统在运行、在创造收入——同时也拖慢了其他一切。没有文档，原作者已离开，每次改动都是风险。
AI 擅长阅读大量陌生代码、解释代码并协助补充测试。但“用 AI 全部重写”只会得到同样一个无人了解的系统，只不过是新的。需要的是工程化的策略。
02 · 适用场景
- 系统改动变得过于缓慢且风险太高
- 系统知识集中在一两个人手里，或已经失传
- 过时的技术栈影响招聘、安全和后续发展
- 曾经尝试过“推倒重写”，但没有成功
03 · 分析内容
- 系统架构与边界——哪些部分可以拆分出来
- 业务关键场景及其测试覆盖
- 数据与集成——任何迁移中最难的部分
- 风险——什么会最先出问题，代价是多少
- 团队与交付流水线的就绪程度
04 · 工作方式
-
步骤 01
重建知识
借助 AI 构建系统描述——结构、场景、依赖关系，并与熟悉系统的人一起核实。
-
步骤 02
安全网
在做任何改动之前，用特征测试固化系统的现有行为。
-
步骤 03
策略
选择改造方式——逐步替换、拆分模块、迁移技术栈——并确定步骤顺序。
-
步骤 04
分阶段迁移
小步推进，每一步都可验证。AI 加速重复性工作，测试和评审把控结果。
05 · 交付成果
具体交付内容在诊断之后确定。我不会事先承诺效果数字——它们取决于起点，并作为成果标准写入计划。
- 01系统描述——架构、场景、依赖关系
- 02覆盖关键场景的特征测试集
- 03包含阶段划分和风险分析的现代化策略
- 04借助 AI 并配有质量控制的迁移流程