💡
原文英文，约1200词，阅读约需5分钟。
📝
内容提要
Thoughtworks的顾问团队进行了实验，利用Gemini 2.5 Pro在两周内分析了一个没有源代码的遗留系统，生成了功能规范蓝图。AI在解码代码、总结二进制文件和映射数据库变化方面表现出色，显著加速了逆向工程过程，但仍需验证结果的准确性。
🎯
关键要点
- Thoughtworks顾问团队进行了实验，利用Gemini 2.5 Pro分析无源代码的遗留系统。
- 实验持续两周，团队分析了系统的数据库、用户界面和二进制文件。
- AI在解码代码、总结二进制文件和映射数据库变化方面表现出色，显著加速了逆向工程过程。
- 目标是重建功能意图的蓝图，而不是再生代码，以降低现代化风险。
- 实验结合了多种技术，包括通过UI、数据库模式和运行时行为关联数据源。
- AI辅助的二进制考古学帮助总结函数并提出候选责任。
- 每个阶段都需要人工验证AI生成的结果，以确保准确性。
- 实验结果表明，AI可以加速逆向工程，但模型的可靠性仍需验证。
- AI在处理ASM代码时表现出显著优势，传统方法需要数月才能解码。
- AI在处理大量上下文时可能会产生幻觉和错误的积极输出。
- 团队通过逐步验证和交叉检查确保AI输出的可信度。
- 未来希望看到新一代工具链，使上下文获取和整合变得更加轻松。
- 建议从可管理的切片开始实验，以便为现代化遗留系统的下一步提供灵感。
❓
延伸问答
Thoughtworks的实验使用了什么工具来分析遗留系统？
实验使用了Gemini 2.5 Pro工具来分析遗留系统。
这个实验的主要目标是什么？
实验的主要目标是重建功能意图的蓝图，而不是再生代码，以降低现代化风险。
AI在逆向工程中表现出哪些优势？
AI在解码代码、总结二进制文件和映射数据库变化方面表现出色，显著加速了逆向工程过程。
实验中如何确保AI生成结果的准确性？
每个阶段都需要人工验证AI生成的结果，以确保准确性，并通过交叉检查确保输出的可信度。
实验的持续时间和参与人数是多少？
实验持续了两周，参与人数约为五人。
在处理ASM代码时，AI与传统方法相比有什么不同？
AI在处理ASM代码时表现出显著优势，传统方法需要数月才能解码，而AI显著加快了这一过程。
➡️
