AI 狂飆突進！CodeLogic 祭出復(fù)雜 AI 解決方案，硬剛技術(shù)債務(wù)！通過構(gòu)建大型知識圖，結(jié)合 LLM 和 MCP 服務(wù)器，實現(xiàn)“檢索增強生成”，精準(zhǔn)定位代碼風(fēng)險。多圖微分分析聯(lián)動 JIRA，AI 自動生成提示和工單，媽媽再也不用擔(dān)心我的 “Tech Debt” 了！

譯自：Killing Tech Debt: CodeLogic's Complex AI Solution^[1]

作者：Loraine Lawson

邁阿密 — Edwin Gnichtel^[2] 見過不少爛攤子——他說的爛攤子指的是遺留應(yīng)用程序和 IT 系統(tǒng)。

Gnichtel 是 CodeLogic^[3] 的 CEO，這是一家軟件智能自動化平臺，正在部署 AI 來解決技術(shù)債務(wù)。此前，他是 CodeLogic 的首席技術(shù)官，也曾在 底層軟件工程^[4] 領(lǐng)域工作過。

他在周二的 Infobip Shift Miami^[5]（一個專注于 AI 的開發(fā)者大會）上告訴聽眾，情況非常糟糕，難以用圖表表示。

“為什么我們有 75,000 個類？”他問道?！斑@是一個真實系統(tǒng)中的真實數(shù)字。順便說一句，這只是一個系統(tǒng)，它是更大的系統(tǒng)生態(tài)系統(tǒng)的一部分?！?/span>

導(dǎo)致技術(shù)債務(wù)的開發(fā)原因

開發(fā)工作中存在許多技術(shù)債務(wù)^[6]的原因。他指責(zé) Agile^[7] 通過其無休止地推向生產(chǎn)來增加債務(wù)，并補充說，雖然他是 Agile 的支持者，但它對快速交付的關(guān)注通過優(yōu)先考慮功能而非代碼質(zhì)量來加速技術(shù)債務(wù)。

此外，他指出系統(tǒng)構(gòu)建在過時的框架之上。另外，現(xiàn)在沒有人真正做系統(tǒng)架構(gòu)了，他補充道。他還指責(zé)對微服務(wù)的誤解^[8]。

“有多少組織認(rèn)為，僅僅將他們現(xiàn)有的東西放入容器中，突然間就神奇地將其變成了微服務(wù)？”他反問道。

他展示了一個較小應(yīng)用程序的知識圖，該應(yīng)用程序“僅僅”有 5000 個類、34,000 個方法、300 個表、4700 個 SQL 函數(shù)以及無數(shù)的邊緣連接，形式為類派生和方法到方法的調(diào)用。

A blob of pastel colors that represents an IT application.

A blob of pastel colors that represents an IT application.

一個小型應(yīng)用程序的許多依賴關(guān)系的圖。

“當(dāng)你得到一個更大的應(yīng)用程序時，我甚至無法在視覺上表示它，”他說?！癧它] 只是屏幕上的一團顏色?！?/span>

AI 在技術(shù)債務(wù)中的作用

在這種泥濘的混亂中，我們正在添加 AI 生成的代碼。

“AI 有可能使情況變得更糟，”他說。“它寫在一堆垃圾之上，最終不會帶來好的結(jié)果。所以我們正在推動技術(shù)債務(wù)。”

各組織正在處理無休止的代碼維護。簡而言之，他認(rèn)為，這不再是人類可以解決的問題。

但也許 AI 可以。

CodeLogic 的方法是首先使用 AI 代理創(chuàng)建一個大型知識圖來映射系統(tǒng)的復(fù)雜性。

“在許多情況下，只有在執(zhí)行代碼時才能真正看到大量的依賴關(guān)系——例如，程序生成的連接對象、某些類型的構(gòu)造數(shù)據(jù)庫查詢，以及各種各樣的事情，”他說。

他補充說，執(zhí)行環(huán)境、解釋器和構(gòu)建環(huán)境（包括編譯器）喜歡注入東西。例如，Java^[9] 使用 lambda。他說，Lambda 實際上并不存在。他解釋說，當(dāng)你查看字節(jié)碼時，它只是被轉(zhuǎn)換為類和方法。

“這只是 Java 的想象，”他說。

他補充說，所有這些依賴關(guān)系都必須被捕獲。CodeLogic 的數(shù)據(jù)模型位于產(chǎn)品之下，提供差異分析并提供影響信息，以幫助公司了解一切是如何連接的。

使用 AI 的復(fù)雜解決方案

CodeLogic 對多個模型的使用展示了如何使用 AI 構(gòu)建復(fù)雜的系統(tǒng)。

CodeLogic 一直計劃使用機器學(xué)習(xí)和其他 AI 技術(shù)，但他們沒有預(yù)料到的是，一旦他們堆疊模型、部署 MCP 服務(wù)器并使用其他技術(shù)來改進大型語言模型^[10]，這些模型會改進得如此之快。

“它使我們能夠真正快速地解決這個問題，”他說。

帶有 MCP 服務(wù)器的 檢索增強生成^[11] 允許他們與 LLM“對話”，以指向必須審查的代碼。影響分析揭示了重寫可能影響的所有部分，包括多個“跳躍”之外的部分，例如 REST 端點、API 邊界和數(shù)據(jù)庫。這個過程并非總是直接明了，可能需要重新提示并對照 CodeLogic 系統(tǒng)進行檢查，以了解 AI 的認(rèn)知。他表示，應(yīng)該對其進行跟蹤，以確保它不會破壞依賴關(guān)系。還需要人工參與來批準(zhǔn)更改。

CodeLogic 創(chuàng)建了一個多圖微分分析，可以開始生成所有必需的磁盤集。該分析由一個模型解釋，然后生成一個微分集。該微分集由另一個模型解釋，該模型生成提示和工單集。

這些可以放入 JIRA^[12] 中，以便 AI 可以負(fù)責(zé)關(guān)閉工單。

“歸根結(jié)底，關(guān)鍵在于它也編寫提示，”他說?！斑@些提示可能非常復(fù)雜，然后會被直接推回到生成端的增強型 AI 中，即代碼生成端，這使你可以完成所有這些工作?！?/span>

最后一部分是幫助開發(fā)人員停止產(chǎn)生技術(shù)債務(wù)^[13]。例如，開發(fā)人員可以詢問 CodeLogic 系統(tǒng)，如果引入特定版本的庫會發(fā)生什么。

他說：“我們圍繞注釋語言提供了一些功能，如果你進行了更改，人們會收到通知，并且會受到懲罰。”

引用鏈接

[1] Killing Tech Debt: CodeLogic's Complex AI Solution:https://thenewstack.io/killing-tech-debt-codelogics-complex-ai-solution/
[2]Edwin Gnichtel:https://www.linkedin.com/in/ned-gnichtel-12039965/
[3]CodeLogic:https://codelogic.com/
[4]底層軟件工程:https://www.technologyandstrategy.com/news/what-is-a-low-level-software-engineer
[5]Infobip Shift Miami:https://shift.infobip.com/us/#hero
[6]技術(shù)債務(wù):https://thenewstack.io/technical-debt-continues-to-mount-heres-how-to-solve-it/
[7]Agile:https://thenewstack.io/agile-reinvented-a-look-into-the-future/
[8]對微服務(wù)的誤解:https://thenewstack.io/how-to-fail-at-microservices/
[9]Java:https://thenewstack.io/java-modernizes-new-tools-for-ai-and-quantum-age/
[10]大型語言模型:https://thenewstack.io/what-is-a-large-language-model/
[11]檢索增強生成:https://thenewstack.io/retrieval-augmented-generation-for-llms/
[12]JIRA:https://thenewstack.io/why-developers-hate-jira-and-what-atlassian-is-doing-about-it/
[13]停止產(chǎn)生技術(shù)債務(wù):https://thenewstack.io/stop-technical-debt-before-it-damages-your-company/