生成式 AI 正在帮助企业完成一项迟来的任务：更新自己的信息技术系统，将老旧过时的代码重写成现代编程语 言形式，特别是那些广泛应用、但比披头士乐队还要"古老"的编程语言。 摩根士丹利全球技术与运营主管 Mike Pizzi 最近曝出，该公司内部通过自己构建的 AI 工具，在今年已经审查了 900 万行遗留代码，为开发者节约下 28 万小时的工作时长。这样的成果迅速引发了大家的关注。 使用自有代码库训练工具 今年 1 月，摩根士丹利发布了一款名为 DevGen.AI 的工具，其基于 OpenAI 的 GPT 模型并由内部开发团队构建 而成。DevGen.AI 能够将 Cobol 等语言编写的陈旧代码整理为简单的英语规范，再由开发者根据规范进行代码重 写。 之所以选择自己构建，是因为在摩根士丹利看来，哪怕有了市面上主流 AI 编码工具的加持，对遗留软件进行现 代化升级也难以找到有效的解决途径。 Pizzi 表示，这些商业 AI 工具更擅长编写新的现代代码，却不一定精通那些人气较低或者年代久远的编程语言， 更不用说针对特定业务需求定制的语言了。他补充称，虽然不少科技企业正朝这个方向努力，但目前其产品还 不具备企业应 ...

AI生成代码的特性分析 - AI生成的代码缺乏上下文记忆和维护连续性，一诞生就处于"他人旧作"的状态 [1] - AI生成的代码具有"无状态"特性，无法真正理解作者意图或拥有时间点记忆 [3] - 每次AI生成的代码都像是"由别人写的"，跳过了"新代码"阶段直接进入"旧代码"模式 [5] 代码生命周期与维护行为 - 代码演进速度取决于编写时间远近和维护者是否为原作者 [1] - 人类维护者对不同时期代码的四种典型态度：近期自写代码最易改进，他人旧代码最不愿改动 [4] - 遗留代码的本质是支撑代码的"理论"随原作者离开而失传，仅保留低保真表达的代码和文档 [8] 行业解决方案与发展趋势 - 开发者尝试通过精心构造提示、设计上下文窗口和详细注释来弥补AI缺陷 [5] - Chain of Thought技术可能解决AI无状态问题，通过重新激活上下文理解代码 [10] - 未来代码可能更依赖模型推理和提示生成，而非长期维护的静态结构 [5] LLM时代的理论构建探讨 - LLM可能隐含某种尚未被理解的"程序理论"，或能从代码中逐步构建理论 [12] - 技术债管理新思路：保存Prompt可帮助理解代码存在原因，优于人类记忆 [10] - 理论掌握权可能转移至写prompt的人而非写代码的人 [12] 行业观点与讨论 - 软件开发本质是开发者集体心智构建的"理论"，代码只是其低保真表达 [8] - 人类开发者常通过"时代写法"解释代码，部分确实反映历史约束条件 [9] - 代码提示生成可能成为短期/中期的过渡桥梁，而非长期维护对象 [6]