技术深度解析
LLM向遗留系统超级编译器的转变，依赖于多项超越代码补全中“下一个词预测”的关键技术进步。
首先是上下文窗口的急剧扩展。早期的代码模型仅能处理代码片段，而现代系统如Anthropic的Claude 3.5 Sonnet（20万上下文）、OpenAI的GPT-4 Turbo（12.8万上下文）以及专业的开源模型，能够将整个代码仓库、文档和提交历史作为一个单一的上下文进行消化。这使得整体分析成为可能。例如，Meta的CodeLlama系列模型，特别是经过长代码上下文微调的340亿参数版本，展现了跨多个文件进行推理的能力。开源的Continue IDE扩展利用这些大型上下文，在开发者工作时维持对项目整体的实时理解。
其次是面向代码推理的专用架构开发。简单的自回归生成对于系统级重构是不够的。新的方法将LLM与符号推理引擎、静态分析工具相结合。一种有前景的架构涉及多智能体系统：一个智能体充当“代码考古学家”，梳理依赖关系和业务规则；另一个作为“安全审计员”，识别漏洞和合规差距；第三个则扮演“架构师”，提出重构策略。像OpenDevin（一个旨在创建自主AI软件工程师的开源尝试）这样的项目， exemplifies 了这种多智能体、使用工具的方法。其GitHub仓库增长迅速，已获得超过1.2万星标，它通过集成代码执行、规划和网络浏览来应对复杂的软件任务。
第三是针对遗留系统和现代化数据集的微调。通用的代码语料库富含现代Python和JavaScript示例，但缺乏IBM JCL、SAP ABAP或VAX BASIC等语言的样本。开创性的工作涉及创建合成数据集，将遗留代码与其现代化等效代码配对。微软的CodePlan研究探索了针对大规模代码变更的“上下文学习”，利用LLM从海量上下文中的少数示例推断变更模式。技术挑战是巨大的：在改变结构的同时保留精确的功能行为，这需要将形式化验证技术与LLM的概率性输出相结合。
对这些系统而言，一个关键的衡量标准不仅仅是代码生成的准确性，更是重构的安全性与正确性。新的评估框架正在涌现。
| 能力 | 基准测试/评估 | 当前SOTA性能 | 人类专家基线 |
|---|---|---|---|
| API迁移 | 将Java 8 Streams转换为等效的Rust迭代器 | ~78% 编译并运行成功 | ~95% 成功 |
| 单体应用分解 | 在Spring Boot单体应用中识别服务边界（F1分数） | 0.72 F1 | 0.88 F1 |
| 漏洞修补 | 修复遗留C代码库中的已知CVE漏洞 | 65% 正确、安全的补丁 | 90% 正确、安全的补丁 |
| 并行化 | 识别并重构Python/Java中的串行循环以实现并发 | 相比原始代码实现约60%加速 | 相比原始代码实现约85%加速 |
数据洞察： 数据显示，在特定、定义明确的重构任务中，AI超级编译器已达到人类专家能力的70-80%。它们的优势在于广度和速度——能在数小时内分析数百万行代码——而对于最后20-30%复杂、微妙的架构决策和验证，人类专业知识仍然至关重要。
主要参与者与案例研究
这一领域正分化为三大阵营：构建端到端平台的云超大规模厂商、专攻特定现代化垂直领域的初创公司，以及推动能力边界拓展的开源社区。
超大规模厂商平台： 微软通过其Azure OpenAI服务和GitHub Copilot生态系统，正将自己定位为集成领导者。GitHub Copilot Enterprise产品正在扩展仓库级感知能力，旨在为整个代码库提供洞察和建议。微软在企业软件（.NET, Windows Server）领域的深厚遗留经验，使其对现代化挑战拥有独特见解。亚马逊云科技已推出Amazon Q Developer，具备明确的功能来分析组织内的代码并提出改进建议，尽管其对遗留系统的关注度稍低。谷歌的Gemini Code Assist正与Google Cloud的迁移套件集成，目标是向Anthos和GKE进行“提升和迁移”。
专业初创公司： 已涌现出数家专门攻克遗留系统现代化的公司。Mendex（前身为Sourcegraph的Cody）正在开发能够深度理解代码图和依赖关系以提出大规模变更建议的AI。Tabnine已从代码补全转向“AI驱动的软件开发生命周期”平台，并高度重视企业代码安全与合规性。