鐵人檔案
企業 Legacy System 最困難的往往不是舊語法，而是缺乏文件、商業規則分散，以及修改後難以確認影響範圍。本系列將以 Delphi、SQL Server 等企業舊系統的真實維護情境為基礎，實測 ChatGPT 與 Codex 如何協助閱讀陌生程式、追蹤資料流程、分析錯誤、檢查風險及規劃安全修改。30 天內將透過去識別化案例，整理出一套「理解、保護、小改、驗證、重構」的 AI 協作維護方法，同時呈現 AI 的能力、盲點與工程師必須負責的判斷。
**系列主題：**30 天實戰企業 Legacy System × AI 協作開發 **技術範圍：**Delphi × SQL Server × ChatG...
昨天我替這場 30 天實驗訂下了一個目標： 我不是要證明 AI 能替我寫完一套 Legacy System，而是要驗證它能不能幫助我更快讀懂系統，同時不讓修改...
前言／情境導入 前一篇提到，在企業 Legacy System 裡，AI 最危險的地方不是完全答錯，而是只看到局部資訊，卻很有自信地說：「這樣改應該就可以了。」...
前言／情境導入 前一篇提到，面對一支超過一萬行的 Delphi 程式，我不會再把整個專案一次交給 AI，而是先提供需求、錯誤現象、.pas、.dfm 與必要的欄...
前言／情境導入 前一篇，我們從按鈕開始追查事件流程。但找到事件之後，還有另一個問題更容易讓人誤判： 畫面明明有值，資料就真的正確嗎？ 前幾天整理這套祖傳系統...
