AI重构遗留代码的真实胜率:我让Agent重写了一个2014年的Java服务
让AI重构老代码是2026年最诱人的承诺。本文记录一次真实实验:把一个12000行的遗留服务交给Agent重构,看看哪些部分它能搞定,哪些部分连资深工程师都不敢碰。
实验设置
目标代码:一个 2014 年写的 Java 8 订单服务,约 12000 行,Spring 3.x,MyBatis,没有单元测试,业务逻辑散落在 Controller、Service 和一大堆 util 类里。注释稀少,命名混乱(有 doProcess2、tempList、obj)。上线十年没大改过,但业务还在跑,谁都不敢动。
为什么要重构:需要升级 JDK,中间件版本已经不支持 Java 8;同时新业务要接入几个新接口,老代码改起来每动一处都要回归测试三天。
实验方式:用主流编码 Agent(带仓库索引和测试执行能力),分五个阶段推进,每个阶段结束后人工评审 + 跑回归测试。不预设结论,只记录实际发生的事。
阶段一:摸清结构(Agent 表现:优秀)
第一件事是让 Agent 生成一份”架构考古报告”:调用链、数据流、外部依赖、可疑代码。
结果是整个实验里最亮眼的部分。它在 40 分钟内输出了:
- 完整的 HTTP 入口清单(37 个 endpoint)
- 跨模块调用关系图(含循环依赖,标出 4 处)
- 数据库表与代码的映射关系
- 一份”死代码候选”清单(23 处从未被调用的方法)
人工核对结果:死代码清单准确率约 85%,有 3 处误判因为它没追踪到反射调用。循环依赖识别 100% 正确,这恰恰是人工阅读最难发现的。
结论:Agent 在”理解”上的表现远超预期,尤其擅长跨文件的结构性梳理——这是人类读代码最累的部分。
阶段二:抽取工具类与常量(表现:良好)
第一步动手:把散落的 magic number、字符串常量、重复的工具方法抽出来。
Agent 完成得干净利落,约 90% 直接可用。失败的部分集中在两类:
- 隐式语义的常量:代码里有
status == 3,Agent 抽成STATUS_A = 3。但业务上 3 代表”已支付待发货”,人工评审改成PAID_PENDING_SHIPMENT。Agent 能对着代码上下文猜,但猜不到业务含义。 - 看似重复实则不同:两个方法长得几乎一样,但一个处理的是含税金额、一个不含。Agent 合并了它们,回归测试挂了。
教训:结构性的重构 Agent 能做,语义性的判断它做不了。 让 Agent 做结构抽取,人负责命名和语义标注,这个分工最有效率。
阶段三:拆分巨型 Service(表现:勉强)
一个 2400 行的 OrderService 要被拆成 5 个职责清晰的类。这是真正难的阶段。
Agent 的方案在纸面上很合理,拆分边界也说得通。但落地时出现了一堆问题:
- 事务边界被破坏:原来一个大方法在一个
@Transactional里,拆分后跨类调用,事务传播行为变了,出现了部分成功部分失败的数据。 - 共享可变状态:原类里有几个
@Autowired的缓存对象到处用,拆开后需要重新注入,Agent 有几处漏了。 - 私有方法依赖混乱:抽出去的类调用了原类的 private 方法,Agent 改成 public,破坏了封装。
这一步的实测结果是:Agent 生成的代码 60% 可用,剩下 40% 需要人工修改,而且修改过程中引入的新 bug 比原代码还多。回归测试跑了 3 轮才全绿。
关键发现:Agent 不理解”运行时语义”。它看的是语法结构,而事务边界、线程安全、Spring 代理这些是运行时行为,读代码是读不出来的。
阶段四:补测试(表现:惊人的好)
这一步是意外的反转。让 Agent 为现有代码补单元测试(characterization test,即”锁定当前行为”的测试),表现非常好。
它生成的测试有以下特点:
- 覆盖了所有 public 方法的正常路径,覆盖率从 0 到 68%
- 针对发现的边界条件(空集合、null、超长字符串)自动生成用例
- 对复杂分支逻辑,用参数化测试覆盖组合
这一步的价值可能超过重构本身。有了这 500 多个测试,后续任何改动都有了安全网。而且这个工作人类做起来极其枯燥,Agent 做得又快又不知疲倦。
建议:如果只做一件事,让 AI 补测试比让 AI 重构性价比高得多。
阶段五:升级依赖(表现:往复震荡)
把 Spring 3.x 升到当代版本,JDK 8 升到 21。这是最耗时的阶段,也是 AI 最不擅长的。
Agent 的策略是”改一个错误,跑一次编译”的循环。它确实能修很多问题,但陷入了几次死循环:
- 改 A 导致 B 报错,改 B 又导致 A 报错,来回折腾十几次。
- 对框架行为变更(比如某些注解语义变了),它倾向于找 workaround,而不是理解新版本的推荐做法,导致产生了大量技术债式的补丁。
最终完成度:编译能过,80% 的测试能过,剩 20% 需要人工。人工那部分主要涉及运行时行为差异,需要真正理解框架变迁,不是靠报错信息能解决的。
总结:一张胜率表
| 任务类型 | Agent 可用度 | 说明 |
|---|---|---|
| 代码理解与结构梳理 | ⭐⭐⭐⭐⭐ | 远超人工效率,可用 |
| 补测试 | ⭐⭐⭐⭐⭐ | 性价比最高的用法 |
| 常量/工具类抽取 | ⭐⭐⭐⭐ | 需人工补语义命名 |
| 简单文件拆分 | ⭐⭐⭐ | 需人工把控边界 |
| 核心逻辑重构 | ⭐⭐ | 风险高于收益 |
| 依赖升级 | ⭐⭐ | 易产生补丁式技术债 |
| 并发/事务相关改动 | ⭐ | 强烈建议人工 |
三条实践建议
第一,用 AI 做”读”,人做”写”。 让 Agent 梳理结构、生成测试、找死代码、分析依赖,收益极高且风险极低。让它直接改核心逻辑,风险不可控。
第二,永远先补测试再重构。 顺序反了就灾难。Agent 补测试的能力足够强,这一步不再是绊脚石。
第三,“小步 + 回归”是唯一稳妥的节奏。 每次只让 Agent 改一个小目标,改完必须跑回归 + 人工评审。一次让它重构整个模块,等于开局就跳伞。
结语
这次实验的真实结论不是”AI 能重构老代码”或”AI 不能重构老代码”,而是:AI 把重构里最枯燥、最耗时、最容易被跳过的部分(读懂结构、补测试、找死代码)变成了几乎免费的事,而重构里最需要判断力的部分(语义、并发、事务)依然需要人。
这个分工其实非常理想。它把重构从”没人愿意干的高风险苦活”变成了”有安全网的分步工程”——这已经是过去十年里重构体验最大的一次改善。