前途科技前途科技
  • 服务
  • 关于
  • AI
    • AI 大模型
    • 具身智能
    • 算力芯片
  • 科技
    • 智能终端
    • 软件·互联网
    • 汽车·出行
    • 科学前沿
  • 资源中心
    • 深度研究
      • AI 前沿
      • 教程
      • AI 知识库
      • 案例研究
    • 行业报告
      • 白皮书
      • 行业报告
      • 研究报告
      • 技术分享
      • 专题报告
    • 精选案例
      • 金融行业
      • 医疗行业
      • 教育行业
      • 零售行业
      • 制造行业
  • 服务
  • 关于
联系我们
洞察/08.30 · 08:11/6 MIN/0 阅读

Claude 17分钟破解20年旧系统,还抓出一个Bug

作者用Claude解析一个20年历史的COBOL系统,结果它不仅梳理清楚核心逻辑,还发现团队多年修补却从未定位的死锁Bug。作者借此反思:AI不是魔法,而是不会累的实习生,能帮我们把隐性知识变成显性资产。

Image 2

有这么一个模块,全公司只有几个头发花白的工程师真正懂。二十年了,我都会绕开它干活,但说不清它内部逻辑。这事情一直让我不舒服。

Claude 3.5 Sonnet 只花了17分钟,就摸清了它的核心依赖。然后,它发现了我们所有人都没发现的东西。

黑匣子:我们天天依赖它,却没人懂它

这个模块负责在集团各子公司之间分配稀缺组件。它用 COBOL 写在90年代末,是整个供应链系统的中枢。而我们正在做的,是把这套系统升级成 AI 驱动的预测分析平台。

原来的设计文档?没人见过。我甚至怀疑它根本不存在。

代码不能直接重写,必须把埋在里面的业务逻辑抽出来。可文档太少、太旧、或者干脆没有。当年写系统的人基本都退休了,剩下的只有“部落知识”——几个老工程师在凌晨2点被电话叫醒,在压力下摸索出来的经验。

我决定把 Claude 当作一个不需要睡觉的初级架构师,把手头所有材料都喂给它:COBOL 代码片段、旧设计文档残页、我入职前的会议手写笔记(有些字迹模糊到 OCR 都认不出来,我只能亲手重新打几行)、还有样本数据流。我打算不断迭代提示词,一步步逼出深度,直到隐含规则全部变成显式规则。其实“深度”到底是什么,我也说不清。但我知道,那种平铺直叙的总结绝对不是我要的。

实际发生了什么

一开始我偷懒,直接粘了500行 COBOL 让 Claude 解释。得到的是一份语法正确、措辞优美、但信息量几乎为零的总结——就像教科书摘要,而不是我需要的电路图。说实话,喝完咖啡给自己打了半天鸡血,就等来这么个东西,有点泄气。

然后我收窄了范围。不再问整个程序,只挑一个段落、一个变量变换、一个条件块。“重点看 PERFORM PARAGRAPH-X,说明 WS-CUSTOMER-CODE 是干嘛的,它的值在这三个段里怎么变。” Claude 一层一层地拆,我顺着它的输出继续往下剥。这一步比我想象的费时间——大半个下午加一个整晚,那晚本来没打算搭进去的。

接着,我们碰到了一条没人能解释的规则。

这是一条埋在 GOTO 迷宫里的库存分配规则。大概长这样:如果X,就做Y;除非Z,那先查P;但如果Q是昨天发生的,就另说。多年来,团队全靠人工手动覆盖和紧急电话来处理边缘情况。没人弄清楚过它为什么是这副德行。我自己几年前也打过两次这种电话,接受了变通方案,没深究原因。

我把这段逻辑连同样本数据丢给 Claude。它没只是复述规则,而是给出了三种合理诠释,每一种都有代码依据和碎片注释支撑。它还标出了一个死锁条件,正好对应我们多年来一直在打补丁、却从未真正定位的场景。

我们有变通办法,但从来没有诊断。Claude 给了诊断。我读了两遍才敢信,然后翻出旧事故日志核对——成立。

它还在继续,这点我没想到。当我把模块更广的一段喂进去,它提出了一个更干净的模块化数据模型,把原始设计里缠在一起的东西拆开了。它还指出了代码里从未写下来的假设:某个供应商总是和特定的二级供应商配对,这纯粹是集团内部多年形成的操作习惯。Claude 仅凭数据流就把这些标记为“未解释的关系”——一台机器能对你自家公司的习惯提出这种评语,有点诡异。

这些发现并没有取代我的经验。它只是让我把时间花在验证解释、补充上下文上,而不是半夜对着语法逆向工程。整个过程不像自动化,更像和一个异常耐心、永不疲倦的初级架构师开了场高强度的讨论会——他不需要喝咖啡,但我需要,喝了两杯。

最终,我们得到了一份完整的、简化过的模块逻辑流程图。它成了新平台微服务和特征存储的设计蓝图。原本要在会议室里泡上大半年、靠人工反编译才能做完的活,几周就搞定了。老实说,我还是有点怀疑它怎么能这么快。二十年形成的“这种事永远比你想的慢”的直觉,不会因为一个顺利的星期就消失。

这对你意味着什么

AI 是快速模式匹配器和综合器,不是旧系统的魔法修复器。这个区别比听上去重要得多。它不懂你的业务,只是读起来乱码一样的 COBOL 不会累——这已经是胜利的一半。

这不只是针对 COBOL。任何被旧上下文淹没的人都适用:一团乱麻的数据库 schema、项目里攒下的半整理笔记、公司里“反正能跑没人说得清原因”的流程。尤其是在日本这种系统在紧密商业关系中长了几十年、隐性理解被当成宝贝、直到懂的人退休把知识带走的地方,这种“数字考古”遍地都是。

这周挑一件又小又烦又没文档的事吧:一个没人敢碰的脚本,一条只有你记得规则的电子表格流程。把相关代码、笔记、邮件、半成品的要点全部喂给 Claude,让它用最简单的方式解释核心逻辑,然后标出任何模糊或缺失的地方。

这种效率不只能帮大公司。独立顾问可以专门做“系统考古”;个人开发者可以为自己复杂的业余项目补齐文档。把“部落知识”变成显性资产,你甚至能靠它产品化。

你可能会意外于浮出水面的东西。我们就是。我到现在也没完全信任它,但比第一次会话进行到第17分钟时,信任多了。

TL;DR

  • Claude 3.5 Sonnet 用几分钟就摸清了一个20年、无文档旧系统的核心逻辑,不是几个月。
  • 它不只是总结代码,还挖出了一个团队只打过补丁、从未诊断过的死锁 Bug。
  • 把零散的代码、笔记、扫描文档喂给它,比要求一次性大解释更有效。
  • 它通过拆分原系统缠在一起的逻辑,提出了更干净的数据模型。
  • 从小处开始:挑一个没文档的过程,把所有材料给 Claude,让它标出模糊的地方。
标签:Claude遗留系统系统考古

想了解 AI 如何助力您的企业?

免费获取企业 AI 成熟度诊断报告,发现转型机会

置顶文章

索尼华纳起诉 Anthropic:这次赌的不是「AI 训练是否合法」
置顶

索尼华纳起诉 Anthropic:这次赌的不是「AI 训练是否合法」

腾讯 Hy4 preview:一个能做完项目却不会自己验收的 Agent
置顶

腾讯 Hy4 preview:一个能做完项目却不会自己验收的 Agent

前途科技前途科技
服务关于快讯技术商业报告
前途科技微信公众号

微信公众号

扫码关注

Copyright © 2026 AccessPath.com, 前途国际科技咨询(北京)有限公司,版权所有。|京ICP备17045010号-1|京公网安备 11010502033860号|隐私政策|服务条款
Open ASR 首次收录印地语:Monsoon 给中文语料的三条硬提示
置顶

Open ASR 首次收录印地语:Monsoon 给中文语料的三条硬提示

//

24小时热榜

AI时代,作品集证明不了什么
TOP1

AI时代,作品集证明不了什么

多数人低估了AI加速学习的能力
TOP2

多数人低估了AI加速学习的能力

3

Claude 17分钟破解20年旧系统,还抓出一个Bug

1小时前
Claude 17分钟破解20年旧系统,还抓出一个Bug
4

AI+3个免费工具,30天赚900美元的实操记录

1小时前
AI+3个免费工具,30天赚900美元的实操记录
5

索尼华纳起诉 Anthropic:这次赌的不是「AI 训练是否合法」

1小时前
索尼华纳起诉 Anthropic:这次赌的不是「AI 训练是否合法」
6

AI双刃剑:创造与毁灭同行的未来

1小时前
AI双刃剑:创造与毁灭同行的未来
7

测遍Claude Code技能,这4个最值钱

1小时前
8

硅统治芯片60年后,接班人只有三原子厚

1小时前
硅统治芯片60年后,接班人只有三原子厚
热门标签
大模型AgentRAG微调私有化部署Prompt EngineeringChatGPTClaudeDeepSeek智能客服知识管理内容生成代码辅助数据分析金融零售制造医疗教育AI 战略数字化转型ROI 分析OpenAIAnthropicGoogle

关注公众号

前途科技微信公众号

扫码关注,获取最新 AI 资讯

免费获取 AI 落地指南

3 步完成企业诊断,获取专属转型建议

已有 200+ 企业完成诊断