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。
前言/情境導入 Day 10 處理完「規則到底該由誰負責」之後,我原本以為流水號改版已經進入收尾。 新建資料會走新的流程,四碼十進位的規則也已經明確下來。照理說...
前言/情境導入 前幾天,我們一路處理了一個看似只是「流水號改版」的需求。 從三碼舊格式與四碼新格式共存,到多人同時新增時的 Race Condition,再到規...
前言/情境導入 上一篇,我花了不少篇幅處理一個在 Legacy System 裡很現實的問題: 沒有完整的 Unit Test,也沒有自動化的 Regress...
前言/情境導入 上一篇,我處理了一個 Legacy System Debug 很常見的問題。 使用者說: 某些資料轉入之後,金額會變成 0。 第一個直覺通常...
前言/情境導入 前兩篇,我分別用 Data Trace 追金額在哪一層變成 0,再用 Branch Trace 確認程式實際走進哪個分支。這次我碰到的問題更麻煩...
前言/情境導入 前幾篇,我一直在處理 Legacy System Debug 裡的「正確性」。 資料為什麼變成 0? 程式到底走進哪一個 Branch? 找到的...
前言/情境導入 想像這個場景:使用者按下批次儲存,等了一會兒,畫面仍然沒有反應。 「到底有沒有存進去?我可以再按一次嗎?」 這是情境示意,卻點出一個很實際的...