一项发表于arXiv的研究聚焦大模型在遗留PHP代码现代化改造中的表现，揭示了AI辅助代码迁移的隐性问题。研究指出，大量企业系统仍运行在旧版本PHP之上，这些代码虽然风格陈旧，但长期运行稳定。当开发者借助大语言模型对这类代码进行现代化改造时，模型往往在更新语法、替换废弃函数或迁移框架的过程中引入行为偏差，导致原本正常工作的功能被破坏。研究团队通过实验评估了主流大模型在遗留代码现代化任务中的能力，发现模型倾向于按照现代编程范式对代码进行重写，而非严格保持原有行为，这一倾向正是功能破坏的主要根源。论文还分析了模型在理解旧式代码惯用法、隐式依赖和边界行为方面的局限，指出当前模型对’行为保持’这一约束缺乏足够重视。该研究在Hacker News上引发开发者讨论，不少从业者分享了AI工具改造遗留项目时遭遇的类似经历，反映出这一问题具有普遍性。研究为AI编程工具的开发者和使用者提供了警示：遗留系统现代化不能盲目信任自动化改造结果，必须配合完善的测试与回归验证机制。
事件分析
技术看点：该研究触及AI编程落地的关键盲区——遗留系统维护。与’从零生成代码’不同，现代化改造要求模型在改变代码形式的同时保证语义等价，这对代码理解与行为推理能力提出更高要求。产业层面，全球存量企业系统中PHP、Java等遗留代码占比巨大，若AI工具能安全完成现代化迁移，将释放可观的维护成本红利；反之，破坏性改造可能直接引发生产事故。后续走向上，’行为保持’有望成为AI代码工具的重要评测维度，测试驱动的迁移流程、差分验证、行为快照比对等技术预计将与大模型结合，形成更安全的现代化改造方案，这也为专注代码验证的工具链带来机会。
核心观点：大模型擅长从零写新代码，却在改造旧系统时频频弄丢'能正常运行'这一最宝贵的属性。
原文链接：Hacker News
