考古學家的副駕駛：AI 輔助老舊 Java 系統現代化，從「觀光客」到「鑑識專家」

Martin Fowler 介紹 Nik Malykhin 如何利用 LLM 協助進行老舊 Java 程式碼的現代化改造，強調了 grounding 的重要性，是具體的工作流程分享。

此文探討如何運用 AI 和 Docker，將一個已有 20 年歷史的 Java 1.5「大泥球」程式碼庫 進行現代化修復。作者初期嘗試以「觀光客提示」直接詢問大型語言模型（LLM）如何運行舊專案，卻得到貌似合理但實際充滿「幻覺」的現代化建議，導致建構失敗。 • AI 在未受限制下，會基於樂觀假設提供錯誤的依賴、檔案結構和隱藏的缺陷，讓修復任務走向歧途。為此，作者轉換思維，以「考古學家提示」要求 AI 扮演「資深遺留系統架構師」，進行程式碼鑑識審計，而非提供現成方案。 • AI 依此診斷出程式碼的確切年代（Java 1.5）、架構不完整性（如「萬能類別」、字串型別陷阱）及測試虛假性（假單元測試）。

作者指出，在程式碼復原任務中，「樂觀是致命的」，AI 最有價值之處在於其分析能力，而非憑空生成方案。成功的關鍵在於證據導向的分析、Docker 穩定環境的驗證，以及測試保護下的逐步重構。