2026-03-19 08:42
扫码打开虎嗅APP
本文来自微信公众号： 叶小钗 ，作者：叶小钗
书接上文：《万字：AI Coding到了什么程度了？》，我们得到的结论是：
AI Coding已经不只是适合写Demo、补函数、起页面了。
在约束清楚、边界明确、验收方式可执行的前提下，它已经可以参与相当一部分真实交付工作**
然后，用过AI Coding的同学也会很清楚，在新项目、规则清晰的项目上，AI的威力很大，那么对应的问题也就来了：年老失修的屎山代码AI Coding的情况怎么样呢？比如：
运行十余年的系统，文档缺失、逻辑混乱、维护成本高到离谱，想重构又怕出问题，不重构又制约业务迭代，这种地狱模式AI是否立得住？
今天就和大家分享我们团队的AI Coding实战经历：仅用2周，成功重构一套运行10年、累计54万行PHP代码的核心电商系统，平稳迁移至Java版本，全程依靠AI，成功做到了了按时平稳地交付。
10年老系统、54万行PHP、两周交付窗口、核心电商链路、PHP迁到Java，这类项目，哪怕纯人工来做，很多团队都得沉默。
因为这种事最难的地方，从来都不是代码怎么写，而是：你根本不知道自己到底在动一个什么东西。
老系统不像新项目，新项目业务逻辑清晰（至少文档清晰），很多时候你只要把需求拆清楚，AI就能一路往前推，但屎山代码不是这样。
它最大的问题，不是烂，而是它烂得很复杂、很真实、还已经在线上跑了很多年。
很多逻辑，文档里没有；很多分支，设计稿里没有；很多兼容，甚至连原开发自己都未必记得为什么要这么写。
你今天看到的一段坏代码，很可能不是谁当年水平不行，而是因为三年前有个线上事故，临时用这种方式先兜住；你今天觉得某个字段命名奇怪，也许背后已经挂着三个旧客户端和五个外围系统...
所以，面对这种系统，最大的风险不是写不出来，而是你以为自己理解了，实际上根本没理解。
而这次项目最值钱的地方，也恰恰在这里。它不是在证明AI已经能独立重构屎山系统了，而是在证明：
当人把边界守住之后，AI已经足以吞掉重构里大量最脏、最累、最重复的工作。
这才是我觉得这个案例真正值得拿出来讲的原因。接下来我们还是要正面难点：
很多人提到老系统重构，第一反应一般都是代码量大、历史包袱重、技术债多。
这些当然都对，但如果你真的进过这种项目，你会发现，真正让项目死掉的，往往不是代码烂这件事本身，而是下面这三件事叠在一起：
一、量太大，看不完
54万行总代码量，不会有疯子真的准备自己去读完的...
这不是说多看几天总能看完的问题，而是你压根没有办法在短时间内建立对整个系统足够可靠的理解。
尤其是核心电商系统，导购、商详、库存、价格、促销、异常处理、兼容分支，往往全是互相牵扯的。
一个看起来不起眼的接口，后面可能挂着一串很长的调用链；一个响应对象里不起眼的字段，可能被前端、运营后台、外围服务同时依赖。
更麻烦的是，这种系统里通常还伴随着几个典型问题：
文档不全，甚至很多地方根本没文档
弱类型代码很多，字段真实类型并不稳定
大量隐式逻辑和历史兼容藏在细节里
代码坏味道明显，但又不敢随便动
所以它最大的难点，并不是读不懂某一段代码，而是永远看不完，也看不全。
二、时间太紧
如果时间够长，系统再复杂，也还有慢慢磨的可能。
但这次没有这个条件。两周，首先意味着，公司层面压根不想听到重构两个字，他们会天然认为你们在浪费资源。我这边历史上的技术基建（技术债），都是加班完成...
其次，他意味着你没有时间把旧系统完整读透，没有时间先补完文档，没有时间去做一轮从容的抽象设计，更没有时间走那条很多人习惯的老路：先全部理解清楚，再慢慢重构。
真实场景下没有尽量试试，而是必须按时交付。没有太多试错空间，也没有资格用还在理解中当借口。
这种行为，每一次重构，都相当于高速公路换轮胎，刺激的一逼！
三、风险极高
如果这是个边缘系统，一个内部后台，一个报表工具，那出问题还有修正空间。
但如果面对的是核心系统。这类系统最可怕的地方，不是它会不会直接挂，而是它很可能出现一种更麻烦的情况：看起来能跑，但行为已经悄悄变了：
金额少算一点，库存判断偏一次，导购页少走一个分支，看起来都是小事，但一旦放在线上流量里，就是真实损失。
所以，这里真实的难点是：
怎么在极短时间里，把一个巨大的未知系统，压缩成一个可分析、可验证、可灰度、可回滚的工程对象？
如果做不到这一点，AI越能写，风险只会越大。
很多团队做老系统重构，一开始都会掉进一个很自然的坑：先把旧系统彻底看懂，再开始改。
听上去很合理，但在高压交付里，这条路非常容易把自己耗死，因为遗留系统很多时候根本没有彻底看懂这回事。
尤其是跑了十年的老系统，它的真实行为和它当年的设计意图，往往早就不是一回事了。很多逻辑、很多分支、很多兼容，都是线上一点点演化出来的，你去追它本来应该怎么设计，经常会越追越偏。
所以我们这次真正改变战局的第一步，不是继续沿着先理解全貌的思路走，而是把策略切成了另一条路：不先追求完整理解，而是先还原系统的真实行为。
换句话说，我们不先问它本来该怎么设计，而是先问：
这个接口现在实际收什么参数
会经过哪些逻辑分支
会返回什么结果
会访问哪些数据库
会产生哪些副作用
异常情况下到底怎么表现
我们最后是以URL接口为最小单元，去做行为还原的。
这是一个非常关键的转向，因为一旦行为基线立住了，后面很多事情就都有了判断标准：
AI生成的新代码到底对不对，有标准了
测试用例该怎么写，有依据了
差异分析该怎么看，有锚点了
哪些是优化，哪些其实已经改行为了，也能区分出来了
没有这一步，重构就很容易从迁移变成偷偷重写。
而老系统重构最怕的，不是代码写不出来，而是你在不知不觉中把原有行为改掉了，还以为自己是在做优化。
所以我们最后的核心策略其实很朴素：任务驱动，先完成，再优化。
先把接口真实行为摸清楚，先把一致性做出来，先把结果对齐，再去谈结构优化、性能提升、代码优雅（这个想想算了吧，我又不读）。
其实有个问题：AI在这次项目里，真正改变的是哪几件事？
很多人一说AI Coding，第一反应还是AI帮忙写代码。但说实话，这次项目让我更强烈地感受到，AI在复杂重构里最先改变的，其实不是编码速度，而是另外三件更底层的事。
一、它先帮我们把旧系统变成可以操作的对象
面对54万行PHP，AI在这里最大的价值，不是替我们理解系统的伟大设计，而是帮助我们把一堆庞杂、散乱、无文档的代码，快速压缩成一些可读、可讨论、可验证的结构化结果。
比如：
批量梳理接口调用关系
提炼参数逻辑和异常分支
生成架构图、逻辑图、说明文档
提取入参、出参、数据库操作、副作用行为
辅助识别弱类型字段的真实数据分布
这些事情，如果全靠人工，一样能做，但速度会非常慢，而且很容易因为人脑负荷过高而失去整体感。
所以我现在越来越倾向于一个判断：
AI在遗留系统改造里最大的价值，不是先替你写代码，而是先替你压缩认知成本
它先把看不完、理不清、没法下手的系统，变成一个至少可以被分段推进、分段验证的工程对象。
二、大规模机械翻译和重复改造
第二个真正改变效率的地方，才是大家最容易感知到的，编码提速。
这次有大量PHP到Java的迁移工作。如果完全靠人工来做，纯机械翻译都足够把人拖死。更别说老系统里还有那么多坏味道、重复结构、弱类型转换和混乱的数据组织方式。
在这种场景下，AI非常适合承担认知明确之后的大批量执行。
比如：
PHP转Java初稿生成
函数拆解与重构
工具类提取
DTO化改造
强类型替换
冗余逻辑清理
举个很具体的例子，在处理getListProductInfo这类函数时，AI会先拆解原PHP逻辑，把调用链和分支整理出来，再自动翻译成Java，顺手提取独立工具类，优化嵌套逻辑，最后生成差异清单供人工审核。
这样一来，人工的注意力就不用再被机械搬运拖死，而是能集中在真正值钱的地方：
业务逻辑有没有偏
新旧行为有没有变
边界情况有没有漏
有没有把不该动的兼容逻辑顺手动掉
这里有个边界特别重要：AI可以吞掉翻译成本，但不能替代业务判断。
它很适合做高效执行者，不适合做最终决策者。
三、验证、比对、排障
很多人以为写代码是交付里最费时间的环节，但真正做过项目的人都知道，很多时候更费时间的是后面的验证、比对、调试和收口。
尤其是老系统迁移，最大的挑战不是把新代码写出来，而是证明它和旧系统在关键行为上是一致的。
这次项目里，AI在这一块的价值，甚至不比编码低：
自动生成测试用例，覆盖正常、异常、边界场景
辅助白盒测试，把原来依赖人工经验的验证转成可执行脚本
辅助日志分析和Debug，帮忙复现问题、定位Bug
自动生成新旧差异清单，提示哪些差异是优化，哪些可能是行为变化
如果说编码只是把东西做出来，那验证和排障才是真正决定它能不能进生产环境的地方。AI在这里的价值，比自动补全几段代码要硬得多。
这次项目里，我们一直坚持一个很明确的原则：AI扛效率，人控边界。
因为AI最大的风险，从来不是它不会写，而是它看起来写得很像那么回事。
它最危险的时候，往往不是报错的时候，而是它交给你一段局部看起来完全合理的代码，但从系统角度看，已经埋了坑。
所以人的职责在这类项目里反而更清楚了。
第一，边界和标准必须由人来定
什么能改，什么不能改；重构范围在哪；哪些接口必须100%行为一致；哪些地方允许后续再优化；哪些兼容逻辑绝不能碰，这些事都不能交给模型自己猜。
我们当时就明确按P0、P1、P2做了风险分层：
P0核心层：人工主导，AI辅助
P1关键层：AI主导实现，人工严格审核
P2外围层：AI自主度更高，允许一定技术债务
不是所有代码都值得同样的谨慎，也不是所有代码都适合同样的自动化程度。
第二，核心决策不能交出去
所以我们在整个编码过程里都强制要求Plan模式。
不是让AI看完需求就直接改，而是先让它输出完整实施计划：改哪些文件、分几步做、风险点在哪、影响范围是什么、哪些地方需要确认。
人工先审计划，再允许它执行。
Plan模式最大的价值，不是形式完整，而是把AI先开干改成了AI先暴露思路。
很多风险，其实在计划阶段就能看出来：它有没有偷偷扩大改动范围？有没有擅自做抽象？有没有把平迁理解成顺便优化架构？
这些东西等代码都改完了再发现，成本就高很多。
负责到底
AI很容易在局部看上去很聪明，但从系统角度看却埋下隐患。
最典型的一类问题，就是接口通了，代码也跑了，但全链路行为已经悄悄变了。
比如我们遇到过一个特别典型的坑：AI把Result
message变成了msg
costTime字段丢了
调用方原本依赖message字段拿值，现在直接拿不到
这种问题最危险，因为后端看起来服务正常，但前端和调用链已经悄悄坏了。
所以后来我们明确加了一条规则：改动前必须先对比两个类的完整结构。
字段名有没有变化、字段有没有缺失、默认值有没有变化、调用方依赖有没有受影响，都要做检查清单。
这类坑特别能说明一件事：重构里真正致命的，往往不是大崩溃，而是这种悄悄改变行为的小错。
这次项目如果一定要提炼方法论，我觉得最重要的不是用了哪个模型，而是我们逐渐沉淀出了一套能让AI在复杂工程里真正起作用的做法：
第一，先按风险分层，不平均用力。
20%的接口承载了80%的风险，不把这件事拆清楚，后面所有资源投入都会失真。
第二，强制Plan模式，先出方案，再动代码。
AI先暴露思路，人再决定让不让它往下走。
第三，把Prompt从提问升级成规则系统。
比如：
全部按照原代码实现，不要擅自简化
翻译PHP到Java时不要应用反射
PHP中是API访问的，统一封装到Feign
在进行任何改动前，必须确认不会影响其他逻辑
有疑问就问，不允许AI自作主张
Bug分析必须端到端追踪完整数据流
这些看起来不像什么神奇提示词，但它们比花哨提示语有价值得多，因为它们本质上是在把团队经验沉淀成AI可执行的规则。
第四，把能跑拆成三层：能跑、能对、能稳。
能跑：代码能编译、能启动、能走通
能对：关键行为和旧系统一致
能稳：性能、并发、可维护性、灰度发布、回滚能力都达标
只有这样，重构才不只是代码搬过去了，而是真正能进生产环境。
很多重构项目做到后面最容易产生一种错觉：代码写差不多了，测试也跑过几轮，应该可以上了。
但核心系统不是靠感觉差不多上线的。你不能因为AI说逻辑一致，就相信它一致；也不能因为几个页面看起来正常，就认为它稳定。
你必须用一整套可追溯的证据，证明新系统和旧系统在关键行为上是对齐的。所以在验证阶段，我们采用的是AI自动化加人工校验的组合：
自动生成测试用例
差异分析生成清单
白盒测试脚本辅助
日志分析与排障支持
而上线策略也绝不是一键切全量。我们最后采用的是：
影子验证
小流量灰度
分批切流
全量替换
观察复盘
同时，回滚预案提前准备好，确保真出问题时能分钟级回滚。
因为真正出线上问题的时候，现场是没有时间慢慢思考的。回滚方案提前写好，本质上是在为团队争取第二次修正机会。
结语
做完这次项目之后，我对AI Coding有一个更明确的判断：
过去大家很喜欢用一些轻松场景去证明AI厉害，比如写页面、补功能、起Demo。这些当然有价值，但很多还停留在能用、好用、有点惊喜的层面。
而这次不一样。
这是一个运行10年的老系统，是54万行遗留PHP代码，是两周交付窗口，是核心电商业务，是必须稳定上线的真实工程任务。这样的场景，不再是展示场景，而是非常硬的交付场景。
它至少说明了三件事。
遗留系统改造被AI覆盖了
遗留系统最痛的，他理解成本高、重复劳动多、验证链条长，这些恰恰都是AI最擅长提效的地方。
我们原来觉得恼火的部分，反而是AI很擅长的部分。
边界很重要
会写提示词，不等于会做交付；会调模型，不等于会做工程。真正的门槛，是风险拆解、边界定义、验证设计、灰度发布和回滚兜底。
有人会失业
以后工程师更重要的能力，可能不再只是我能写出一段多漂亮的代码，而是我能不能快速理解系统、拆解问题、识别边界、设计工作流，并对最终结果负责。
AI不会替你为系统承担责任，但它会把那些原本压得人喘不过气的脏活、累活、重复活，成片地吞掉。
谁先学会和它协同，谁就更有机会接住那些过去根本不敢接的硬仗；至于学不会的同学，那就危险咯...
最后补一句：从去年下半年我们开始验证，AI Coding现在真的很强了，大家积极拥抱吧...
