在這個專案中，我將與實際使用七政四餘星盤的占星學家合作，由占星學家提供業務需求與驗證結果，協助我理解占星邏輯與資料結構。
值得一提的是，我本人並不具備天文學或占星相關背景，而占星學家也完全不熟悉程式設計與系統架構。
這樣的設定，反而極為接近實務專案的典型場景 —— 需求方與工程實作者之間存在知識斷層，需要透過結構化的語意轉譯與技術重構來銜接。

本系列記錄的，就是如何在這樣的條件下，運用 GenAI（Claude Code CLI）協作，加上明確的人機責任框架，將一套完全斷裂、無版本控制、無文件的 Java 占星桌面系統 Moira，重構為模組化的 Python Web 應用。

🔍 1. 遺留系統分析：Moira 結構掃描與責任區劃定

✅ Java 探勘目標

• 明確主程式進入點與流程：確認 Moira.java 為主入口
• 分析模組依賴與邊界：確認三層核心邏輯
  1. 天文計算：org.athomeprojects.swisseph
  2. 星盤與資料結構：ChartData, DataSet
  3. GUI 與使用者互動：SWT → 將棄用

🤖 Claude 協作摘要

AI 任務設定：
- 提取主要類別與呼叫鏈
- 分析每個 Java package 的責任分工
- 標註已廢棄 GUI 組件與可重構模組

AI 輸出結果：
- 成功定位五大類別與使用邏輯
- 根據變數命名推測占星學邏輯（如星體座標、天干地支資料）
- 協助我用語意方式重建物件責任圖

🧱 2. Python 架構初始化：架構轉譯與模組化規劃

🌐 重構方向轉換

• Java desktop 應用（Eclipse SWT） → Django Web 應用
• Swing/SWT GUI → 廢棄，將以 Web API + 星盤前端圖形庫取代
• Java 底層天文庫（SwissEph） → 改用 pyephem、skyfield、astropy 等 Python 庫

📁 建立 Django 專案骨架

moira_python/
├── config/                  # 設定模組（Django 設定、環境變數）
├── apps/
│   ├── users/              # 使用者模組
│   ├── astrology/          # 占星邏輯（七政四餘、紫微、擇日）
│   ├── charts/             # 星盤資料模型（ChartData）
│   └── calculations/       # 天文計算整合（ephem, skyfield）
├── requirements/           # 套件與環境需求
└── docker-compose.yml      # 開發用 Docker 配置

🤖 Claude 協作摘要

AI 任務設定：
- 依據原始 Java 模組，規劃 Python 架構對應分工
- 協助我設計 apps 資料夾內模組劃分與名稱標準化

AI 輸出結果：
- 生成對應架構草圖（含模組說明）
- 建議將 GUI 職責獨立抽離，將天文計算與占星解釋分層
- 提供 Docker 初始設計與 .env 管理方式建議

🧮 3. 建構模組對應表（Java ↔ Python）

🧠 Day 01 總結：技術重構即是責任拆解

本日完成：

• ✅ 遺留 Java 結構與核心邏輯完整梳理
• ✅ Django 架構規劃與專案初始化
• ✅ 人機協作流程啟動並導入 Agent Framework 控管語境與行為
• ✅ 模組對應表初步成形，劃定後續資料模型重構邊界

Claude 在今日任務中主要協助我完成「語境還原、模組劃分、技術替換規劃」三項任務，展現高度結構理解力。

明日，我將正式進入核心資料模型 ChartData 的轉換與 Python 類別重建，AI 的推論邏輯與型別補全能力將再次被實戰驗證。