Her şeyi bir arada tutuyor, ama kimse dokunmak istemiyor. Legacy code is the dark matter of the software universe. Kurumsal yazılımda çalışıyorsanız, mücadeleyi biliyorsunuz: monolitik Java uygulamaları, 500 sayfalık tasarım belgeleri (PDF'ler!), ve yanlış nefes aldığınızda kırılan "spagetti kodu". Çoğu AI eğitimi size nasıl inşa edeceğinizi gösterir Uygulamalar Yeni But can GenAI actually handle the grit of a 10-year-old legacy system? Bu deneyde, büyük, gerçek dünya kütüphane yönetimi sistemi (daha eski Java standartlarına dayanan) ve stres test edildi. Tüm Yazılım Geliştirme Yaşam Süreci (SDLC) boyunca, sadece “kod yazmak” için değil, kullanıcı arayüzü spesifikasyonları, bağımlılık yönetimi ve karmaşık test durumları üretimi için kullanmaya çalıştık. GPT-4 İşte ne işe yaradı, ne başarısız oldu ve geçmiş projelerinizi modernize etmek için kullanabileceğiniz tam iş akışı. Çözüm: “Kanlı Test” Sorunu Konumuz kütüphane sisteminin belirli bir modülü (WebiLis/iLiswing) idi. ekibimiz klasik bir kurumsal sorunla karşı karşıya kaldı: 
 
 
 
 Karmaşık yapılandırmalar: Yazılım çeşitli ortamlarda çalışıyor ve bu da test desenlerinin patlamasına neden oluyor. Skill Gap: Bilgi offshore Global Teslim Merkezlerine (GDC) aktarmak, tasarım spesifikasyonlarının yanlış yorumlanmasına neden oldu. Yorgunluk İncelemesi: Yüksek düzey geliştiriciler mantığı düzeltmek yerine saatler geçiriyorlardı. Ağrıyı otomatik hale getirebileceğimize bakmak için GPT-4 tarafından güçlendirilen bir iç ChatAI ambalajı entegre ettik. Faza 1: Düşük Asılı Meyve (UI ve Belgelendirme) Kodu dokunmadan önce, Tasarım Fazını inceledik. AI ham listelerini besledik ve oluşturmasını istedik. . UI Design Specifications Deneyin UI özelliklerine kasıtlı olarak hatalar ekledik: 
 
 
 “Öğrenci Kütüphanesi” yerine “Öğrenci Kütüphanesi” Mantık hataları: “Old System” yerine “Old System” Sonuç GPT-4, yazarların kaçırdıkları bağlamlı yazımları tanımladı. 
 
 
 Veriler: Manuel kod incelemelerimizi analiz ettiğimizde, inceleme yorumlarının% 87'inin basit cümleler, yazımlar veya netlik eksikliği ile ilişkili olduğunu bulduk. “AI Reviewer” İş akışı: İnsan gözden geçirilmeden önce GPT-4 aracılığıyla spesifikasyonları çalıştırarak, gürültünün %87’sini ortadan kaldırabiliriz. 
 
 Yüksek mühendislik zamanını dilbilgisi üzerine harcamayın. bir insan görmeden önce gürültüyü temizlemek için belgeler için bir "Tier 0" incelemesi olarak LLM'leri kullanın. Yüksek mühendislik zamanını dilbilgisi üzerine harcamayın. bir insan görmeden önce gürültüyü temizlemek için belgeler için bir "Tier 0" denetleyicisi olarak LLM'leri kullanın. Takeaway: İkinci aşama: Generative Coding (Java ve Maven) Sonrasında, biz de gittik AI’ya, belirli yardımcı fonksiyonlar için Java kodunu oluşturmasını istedik. PG (Programming) Phase Başlık: Boilerplate & Dependencies Standart Java kütüphaneleri kullanarak tarihleri hesaplamak için bir program istedik.   Prompt: "Bir sayıyı giren ve sistem tarihinden itibaren X gün tarihini hesaplayan bir Java programı oluşturun." AI Output: import java.time.LocalDate;
import java.util.Scanner;

public class Main {
    public static void main(String[] args) {
        Scanner scanner = new Scanner(System.in);
        System.out.println("How many days to calculate?");
        int days = scanner.nextInt();

        LocalDate today = LocalDate.now();
        LocalDate futureDate = today.plusDays(days);

        System.out.println(days + " days later is " + futureDate);
    }
}
 Doğru bir şekilde java.time.LocalDate (modern Java) kullanıyordu, yoksun java.util.Date yerine. Ayrıca başarılı bir şekilde üretilmiştir Kütüphane versiyonlarını kontrol etmesini istediğimizde: Maven Dependencies #Xml
<dependency>
    <groupId>org.apache.httpcomponents</groupId>
    <artifactId>httpclient</artifactId>
    <version>4.5.13</version> 
</dependency>
 Etiket Arşivi: “Context Gap” İki özel Java kaynağı dosyasını beslemeye çalıştık ve ona belirli bir yöntemi refactor etmesini istedik. 
 
 
 Sonuç : Başarısızlık Neden: AI, özel sınıflarımızda mevcut olmayan yöntemleri hallüzyonluyordu, çünkü tam proje bağlamına sahip değildi (“Klas Yolu”). GPT-4 standart kitaplıklarda (JDK, Apache Commons) harikadır, ancak özel "Spaghetti Kodu" için korkunç değildir. Bağımlılık Ağacı Hızlı Crucial Finding: Tüm 3. aşama: Kompilatörler için “Turing Test” AI kodunu ince cümle hataları ile besledik, bunları bir kompülatörden daha iyi çözebileceğini görmek için. Testi: Eğer yerine iff (a typo) kullandık. 
 
 
 Kompilatör: Syntax hatası atar. AI: iff'in geçerli bir Java olmadığını doğru bir şekilde belirledim, ancak bir tip değilse değişken adı olabileceğini öne sürdü. Test: Bir koşulun asla doğru olamayacağı bir mantıksal hatayı besledik. 
 
 A: Onu yakalayamadım 
 
 Gerçeklik Kontrolü: GenAI bir compiler değildir. Tokenlerin olasılığını tahmin eder. Bir hata neden olabileceğini açıklamak için mükemmeldir, ancak statik analiz aracı (SonarQube) gibi kod doğruluğunu garanti edemez. Gerçeklik Kontrolü: GenAI bir compiler değildir. Tokenlerin olasılığını tahmin eder. Bir hata neden olabileceğini açıklamak için mükemmeldir, ancak statik analiz aracı (SonarQube) gibi kod doğruluğunu garanti edemez. Gerçeklik Kontrolü : Test Case Generation ( Tehlikeli Bölge) Bu deneyin en kritik kısmıydı. biz AI'ya üretmek istedi. Yukarıda belirtilen tarih hesaplaması. Test Cases   Prompt: "Date programı için test durumları oluşturun." AI Sonuç (Başlangıç): Genel durumlar oluşturdu: 
 
 
 
 Giriş : 5 Giriş : 10 Giriş : -1 Onu sağlamamıştı Neden? çünkü çıkış her gün değişen LocalDate.now()'e bağlıdır. AI, bugün ne olduğunu bilmek için kodu çalıştıramadı. The Problem: beklenen çıkış Prompt Engineering Fix: Faydalı test vakaları elde etmek için, değişkenler hakkında açıkça olmak zorunda kaldık. 
 
 Rafine Prompt: "Bugün değişken '2024-06-15' olduğunu varsayalım. değişken günler için 4 test şablonu oluşturun." "Bugün değişken '2024-06-15' olduğunu varsayalım. değişken günler için 4 test şablonu oluşturun." Hızlı düzeltme: Hızlı düzeltme: AI Result (Fixed): 
 
 
 
 
 
 
 
 
 
 
 Test Case 
 Input (Days) 
 Expected Output (Date) 
 
 
 
 
 Case 1 
 1 
 2025-06-16 
 
 
 
 
 Case 2 
 10 
 2025-06-25 
 
 
 
 
 Case 3 
 0 
 2025-06-15 
 
 
 
 
 Case 4 
 -5 
 2025-06-10 Olay 1 1 2019-06-16 Hakkında Durum 2 10 2015-06-25 Hakkında Durum 3 0 2019-06-15 Hakkında Olaylar 4 -5 2019-06-10 Hakkında Eski sistemlerin modernizasyonu için çalışma akışı doğrulamalarımıza dayanarak, AI'yi geleneksel ürün geliştirme için kullanırken uygulamanız gereken mimarisi şunlardır. Sonuç: “37% Boost” Gerçekliği Araştırmacılar a Bizim iç doğrulama bunu destekler, ancak bir uyarı ile. 37% productivity increase Üretkenlik, mükemmel karmaşık kodu yazan AI'dan gelmedi. . shifting the burden of the mundane 
 
 
 
 İncelemeler: AI, dilbilgisi/tip kontrolünü (87% soru) ele aldı ve insanlara mimariye odaklanmalarına izin verdi. Boilerplate: AI, standart Java ithalatlarını ve kurulumlarını ele aldı. Testler: AI, insanların mantığı doğrulamak zorunda kalmasına rağmen test vakalarının yapısını oluşturdu. Yargı: Eğer eski bir sistem yönetiyorsanız, GPT-4'ün çekirdek motorunuzu bir gecede yeniden yazmasını beklemeyin. belgelerinizi temizlemek, test kemiklerinizi oluşturmak ve bu gizemli 10 yıllık hata mesajlarını açıklamak için kullanın. Sonraki İçerikNedir? Sonraki Sınırlar 500 sayfalık PDF kılavuzlarımızı bir Vector Database'e indekslemekle, AI'ya 2. aşamada kaçırdığı "Konteks"yi vermeyi hedefliyoruz, böylece özel yöntemleri anlar ve standart Java'yı anlar. RAG (Retrieval-Augmented Generation)

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

Read My Stories

Bu ses hikayenin orijinal dilinde üretilmiştir!

GPT-4 ile Miras Kodunu Yenilemek: AI-Assisted Refactoring ve Test için Pratik Bir Kılavuz

About Author

YORUMLAR

ETİKETLERİ ASIN

BU YAZI

Related Stories

Kullanıcı Odaklı Kripto Ürünleri Oluşturma: Müşteri Geri Bildiriminin Önemi

Forumlardan Feed'lere: Sosyal Medya Algoritmaları Dijital Etkileşimi Nasıl Şekillendiriyor

Telegram: Kripto Adası'nın anakaraya olan köprüsü

Benzersiz Bir Ekosistemi Güçlendiren Bitcoin UTXO Modeli

Kullanıcı Odaklı Kripto Ürünleri Oluşturma: Müşteri Geri Bildiriminin Önemi

Forumlardan Feed'lere: Sosyal Medya Algoritmaları Dijital Etkileşimi Nasıl Şekillendiriyor

Telegram: Kripto Adası'nın anakaraya olan köprüsü

Benzersiz Bir Ekosistemi Güçlendiren Bitcoin UTXO Modeli

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps