InfoQ
·
从黑箱到蓝图：Thoughtworks利用生成式AI提取遗留系统功能
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。
延伸解读
AI在逆向工程中的优势
在逆向工程过程中，AI展现出显著的优势，尤其是在解码ASM代码方面。传统方法可能需要数月才能完成的任务，AI能够在短时间内提供有效的分析结果。这种加速不仅提高了效率，还为企业提供了更快的洞察力，帮助他们更好地理解遗留系统的功能。
验证结果的重要性
尽管AI在分析中表现出色，但验证其输出的准确性至关重要。团队通过逐步验证和交叉检查确保了AI生成结果的可信度。这一过程强调了人工审核在AI辅助分析中的不可或缺性，确保最终的功能规范能够真实反映系统行为。
未来工具链的展望
文章提到未来希望出现新一代工具链，使得上下文获取和整合变得更加轻松。这表明，随着技术的发展，AI将可能成为逆向工程工具的核心功能，帮助工程师在复杂系统中实时获取洞察，提升决策效率。
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。
