Article · AI translation
设想一个批处理作业,几十年来每晚运行,从未失败,而唯一懂其代码的人即将退休。我们在与银行、保险和航空公司客户合作时,一再遇到这种情况。他们的汇编语言程序仍在执行关键业务操作,但每年能读懂这些程序的人都在减少。手工重写这些程序需要数年时间,可能破坏那些已无人记得由谁编写的业务规则,而且仍依赖于正在离开的同一批专家。Amazon Bedrock 和 AWS Transform 改变了这一局面。本文介绍一种使用 Amazon Bedrock、Kiro IDE(一种由 AI 驱动的集成开发环境)和 AWS Transform 的多阶段转型方法。通过验证检查点维护业务逻辑完整性的同时,该方法有助于缩短相较于手工方法的现代化改造时间。您将了解如何系统地从汇编语言代码中提取业务规则,经过中间的 COBOL 阶段进行转换,并将现代化改造后的应用程序作为 Java Spring Boot 服务部署到 AWS。前提条件 在开始现代化改造流程之前,请确保您具备:有效的 AWS 账户,以及针对 Amazon Bedrock、AWS Transform 和 Amazon Simple Storage Service(Amazon S3)遵循最小权限原则的 AWS Identity and Access Management(IAM)权限。访问 Amazon Q Developer 或 Kiro 以进行 AI 辅助代码分析的权限。访问 AWS Transform 以进行 COBOL 到 Java 转换的权限。访问 Amazon Bedrock 及相应基础模型(FM)的权限。一个用于存储源代码和构件的 Amazon S3 存储桶,已启用加密和阻止公有访问。对目标业务领域和应用程序功能的了解。业务和技术领域专家(SME)能够参加验证会议。源汇编语言代码清单及现有文档。用于功能等效性测试、附有预期输出的测试数据集。解决方案概述 您可以通过系统化的五阶段方法,将与 COBOL 紧密关联的传统大型机汇编语言应用程序转变为面向 AWS 云构建的 Java Spring Boot 应用程序。这种多阶段方法先将汇编语言转换为中间 COBOL,再转换为 Java,与直接从汇编语言转换为 Java 相比,能更可靠地降低风险并保留业务逻辑。中间 COBOL 阶段提供结构化、易于阅读的格式,供领域专家(SME)在最终转换前进行验证。这有助于确保业务规则在整个现代化改造过程中保持完整。以下各节介绍当前的大型机架构和面向云的目标状态。当前状态 您当前的架构是传统大型机环境:汇编语言程序执行批处理流程,与 COBOL 相连接,同数据库交互并处理文件。其核心是由 JCL(作业控制语言)作业按预定时间间隔触发汇编语言程序执行。这些程序从 VSAM(虚拟存储访问方法)文件和顺序文件读取输入,并对 IBM Db2 for z/OS 执行操作。您的业务逻辑通过底层寄存器操作(直接操作 CPU 寄存器)和内存管理来执行。输出写回文件或数据库表,作业完成状态则通过 JCL 返回码报告。所有这些都运行在 IBM z/OS 大型机基础设施上。图 1:大型机汇编语言架构 目标状态 该现代化改造解决方案通过由 AI 驱动的多阶段工作流程,帮助您将传统大型机汇编语言应用程序转变为面向 AWS 云构建的 Java 应用程序。该架构使用 Amazon Bedrock 和 Kiro IDE 进行 AI 辅助代码分析和业务规则提取,并使用 AWS Transform 自动将 COBOL 转换为 Java。 如果已有 COBOL 源代码,就采用常规方法,直接将其提供给 AWS Transform,以转换为 Java Spring Boot 应用程序。借助此解决方案,您可以实现:与手动方法相比缩短转换时间;通过验证检查点系统地保留业务逻辑;在关键阶段由人工参与验证;通过功能等效性测试进行自动代码转换。图 2:AWS 上端到端的 Assembler 到 Java 转换架构,展示了 5 个主要阶段:业务规则提取、规范驱动的数据流、Assembler 到 COBOL 转换、验证以及 COBOL 到 Java 转换。转换工作流程首先分析 Assembler 代码,生成业务规则提取(BRE)文档。随后,您创建详细的功能规范,并在人工参与下加以完善。经过验证的规范指导 Assembler 到 COBOL 的转换,生成中间 COBOL 代码,在底层硬件指令与面向业务的构造之间架起桥梁。在 AWS Transform 将该 COBOL 代码转换为 Java 之前,先对其进行功能等效性测试;每个阶段都设有验证检查点,以降低风险并核实业务连续性。使用 AI 提取业务规则。业务规则提取(BRE)的质量直接影响转换的准确性,因此要认真对待这一阶段。通过 Kiro IDE 或 Amazon Bedrock 控制台使用 Amazon Bedrock,并结合适用于大型机的 AWS Transform,从 Assembler 源代码中提取业务规则并编写文档。您可以通过 Chat Playground 直接在 Amazon Bedrock 中使用本文提供的提示词,也可以在 Kiro IDE 中使用其内置的 AI 聊天和 Spec 面板。运行前,请将占位符值替换为实际的 Assembler 代码和上下文。Amazon Bedrock 是前 4 个阶段的推理平台:业务规则提取、规范创建、Assembler 到 COBOL 转换以及验证。请选择具有较强代码推理能力和较大上下文窗口的基础模型,因为 Assembler 程序既长又密集。将温度设置为 0,以便在多次运行中获得一致的输出。要处理多个程序,可通过 Amazon Bedrock Converse API 调用相同的提示词,并将每次输出存储在您的 Amazon S3 存储桶中,以供下一阶段使用。Amazon Bedrock 不会使用您的提示词或模型输出来训练 AWS 模型,也不会将其与第三方共享。有关详细信息,请参阅《Amazon Bedrock 中的数据保护》。请使用经过脱敏的测试数据,而不是生产数据或个人身份信息(PII)。向 AI 提供的上下文越多,它就越能理解代码背后的业务意图。编写提示词时,除了 Assembler 代码,还应提供相关文档、数据字典以及现有的业务背景。注意:在处理过程中保存每条提示词的输出。下一阶段需要将这些输出用作输入。上下文感知分析的提示词示例:从这段汇编代码中提取业务规则和数据映射。[在此处粘贴您的汇编代码] ## 提取 1.业务规则:找出每一条规则,包括条件逻辑、计算、验证、转换、错误处理和循环。 对于每条规则,提供:- 唯一 ID(BR001、BR002 等)- 名称和描述 - 业务目的 - 输入字段/寄存器 - 输出字段/寄存器 - 用通俗英语描述的逻辑 - 触发该规则的条件 2. 数据映射:识别数据转换,并提供:- 源字段(寄存器或内存位置)- 目标字段(COBOL 变量名)- 转换逻辑 - 验证规则 ## 返回 JSON { "program_name": "字符串", "business_rules": [ { "id": "BR001", "name": "字符串", "description": "字符串", "purpose": "字符串", "inputs": ["数组"], "outputs": ["数组"], "logic": "字符串", "conditions": ["数组"] } ], "data_mappings": [ { "source_field": "字符串", "target_field": "字符串", "transformation": "字符串", "validation_rules": ["数组"] } ], "summary": "字符串" } 你可以添加业务场景中的领域专用术语,自定义此提示词。运行此提示词时,你将看到结构化的 JSON 输出,可用于自动验证并直接集成到下游转换工具。数据映射的准确性直接影响转换质量。映射不完整可能导致业务逻辑丢失或损坏。请让主题专家验证 将 AI 生成的 BRE 文档视为草稿,而非最终成果。在继续推进之前,让主题专家审查并验证提取出的规则。在验证日志中记录差异,并根据主题专家的反馈更新 BRE,然后再着手创建规格说明。为帮助主题专家验证规则,可在文字版 BRE 文档中辅以流程图和数据流图等可视化材料。维护一份验证清单,涵盖业务规则准确性、数据映射正确性、边界情况处理以及错误条件的完整性。提取由规格说明驱动的数据流 在与主题专家共同验证业务规则后,将其转化为指导代码转换的详细功能规格说明。这种由规格说明驱动的方法可确保在代码转换开始前,业务需求已经得到清晰记录并达成共识,从而减少后续代价高昂的返工。使用提取出的 BRE 文档创建完整的功能规格说明,以指导 COBOL 代码生成。这些规格说明应包括程序概述、COBOL 数据结构、处理流程设计以及业务规则覆盖映射。用于生成功能规格说明的提示词示例:根据以下业务规则提取结果(BRE),生成一份完整的 COBOL 代码生成功能规格说明。[在此处粘贴 BRE JSON] 创建一份全面的规格说明,包括:## 1. 程序概述 - 程序目的和关键功能 - 业务规则覆盖情况摘要 ## 2. COBOL 数据结构 设计数据结构时采用:- COBOL 命名方式:大写字母并以连字符连接 - 合适的 PIC 子句:* PIC 9(n) / S9(n) 用于整数(S 表示带符号)* PIC 9(n)V9(m) / S9(n)V9(m) 用于小数 * PIC X(n) 用于字母数字,PIC A(n) 用于字母 * COMP-3 用于压缩十进制数(节省存储空间)- 层级编号(01、05、10、15)- 用于标志的 88 级条件名 包括:- 业务规则中的字段(输入/输出)- 数据映射中的字段(源/目标)- 用于计算、标志和错误处理的其他字段 ## 3. 处理流程设计 创建逐步处理流程,包括:- 顺序执行的过程步骤(初始化 → 处理 → 输出)- 决策点和验证步骤 - 计算顺序和错误处理 为每个步骤说明:- 步骤编号和名称 - 描述 - 实现的业务规则(BR ID)- 输入/输出数据 ## 4. 业务规则覆盖映射表 将每条业务规则映射到:- 实现位置(过程段/段落名称)- 使用的数据结构 - 对其他规则的依赖关系 以 JSON 格式返回:{ "program_name": "字符串", "overview": "字符串", "data_structures": [ { "name": "WORKING-STORAGE-SECTION", "fields": [ { "level": "01", "name": "FIELD-NAME", "type": "PIC X(10)", "description": "字符串" } ] } ], "process_flows": [ { "step": 1, "name": "PROCEDURE-NAME", "description": "字符串", "business_rules": ["BR001"], "inputs": ["数组"], "outputs": ["数组"] } ], "business_rules_coverage": { "BR001": "实现细节" } } 你可以根据自己的 COBOL 标准调整数据结构规范。运行此提示词后,你将获得一份完整的功能规格说明,其中包含从业务规则到 COBOL 结构的完整可追溯关系,可供领域专家(SME)审核,并可直接与 Kiro 集成以生成代码。将旧版汇编程序转换为 COBOL 在取得经过验证的功能规格说明后,下一阶段将使用这些结构化输出指导汇编程序到 COBOL 的转换。中间的 COBOL 步骤有助于弥合底层硬件指令与面向业务的结构之间的差距,从而在最终转换为 Java 之前验证业务逻辑是否得到保留。指导转换的提示词示例:根据以下规格说明生成可用于生产环境的 COBOL 代码。程序名称:[PROGRAM_NAME] 汇编代码:[PASTE HERE] 业务规则(BRE):[PASTE HERE] 功能规格说明:[PASTE HERE] ## 要求 - 实现 BRE 中的业务规则,并添加可追溯性注释(BR ID)- 使用规格说明中的确切数据结构 - 按流程顺序执行,并包含错误处理 ## COBOL 结构 包括:IDENTIFICATION DIVISION(PROGRAM-ID、AUTHOR、DATE-WRITTEN)、ENVIRONMENT DIVISION(如有需要)、DATA DIVISION(WORKING-STORAGE SECTION,以及如有需要的 FILE/LINKAGE 节)、PROCEDURE DIVISION(主段落、子段落、STOP RUN/GOBACK)## 格式(严格)第 1-6 列:序列号(000100、000200、+100)第 7 列:指示符(* 表示注释,- 表示续行,空格表示普通行)第 8-11 列:A 区(Division/Section 标题、段落、01/77 级)第 12-72 列:B 区(05-88 级、语句)对齐:- 01/77 级:第 8 列 | 05-88 级:第 12 列 - PIC 子句:第 40 列 | VALUE 子句:第 56 列 - 下级层次缩进 4 个空格 - 段落名称:第 8 列 | 语句:第 12 列 - 使用显式作用域结束符(END-IF、END-PERFORM)## 数据类型 数值型:PIC 9(n)/S9(n)(整数)、PIC 9(n)V9(m)/S9(n)V9(m)(小数)、COMP/BINARY(索引)、COMP-3(财务数据)字母数字型:PIC X(n)、PIC A(n) 条件名:使用 88 级表示标志 ## 注释 1.文件头(必需):000100***************************************************************** 000200* Program: [NAME] * 000300* Purpose: [Description] * 000400* Generated from Assembly using BRE transformation * 000500* Business Rules: [COUNT] | Data Mappings: [COUNT] * 000600***************************************************************** 2.在主要节之前添加节注释。3.业务规则注释引用 BR ID:002000* Implements BR001: Validate Input Numbers 002100 VALIDATE-INPUTS. ## 实现 - 为每条业务规则创建专门的段落,并添加 BR ID 注释 - 实现 BRE 中的准确逻辑,处理相应条件 - 使用 PERFORM 语句按流程顺序执行 - 使用 IF/EVALUATE 进行判断,使用 PERFORM UNTIL/VARYING 执行循环 - 包含错误处理:验证输入、检查除数是否为零、核实边界、设置错误标志 ## 输出格式至关重要:仅返回 COBOL 代码。不要附加解释性文字、Markdown 代码块或评论。以带序列号的文件头注释开头,以 STOP RUN/GOBACK 结尾。你可以修改格式要求,以符合所在组织的 COBOL 标准。 运行此提示词时,你将生成 COBOL 代码,使其在语法上正确、在逻辑上与原始汇编程序等价,并且完全可追溯;代码注释会将每个代码部分关联到 BRE 文档中的具体业务规则。生成后,在进行最终的 Java 转换之前,应严格验证 COBOL 代码。验证转换过程:你应将测试视为贯穿整个转换过程的持续活动,而不只是最后一个阶段。对汇编代码与 COBOL 代码进行功能等价性验证时,应使用全面的测试框架,系统地评估语法正确性、结构一致性、逻辑等价性、数据流完整性、业务规则覆盖率和规范符合性。用于指导测试的示例提示词:对 ASM 到 COBOL 的翻译进行全面验证和分析。汇编代码:[粘贴于此] COBOL 代码:[粘贴于此] BRE JSON:[粘贴于此] 规范 JSON:[粘贴于此] ## 第 1 部分:验证 执行 6 项验证检查:1.语法检查:验证 COBOL 语法(division、PIC 子句、语句、关键字、列对齐)。返回:valid(true/false)、errors 数组、warnings 数组。2.结构检查:比较程序结构(section、流程、procedure、控制流、数据组织)。返回:equivalent(true/false)、score(0.0-1.0)、issues 数组。3.逻辑检查:验证逻辑等价性(条件判断、计算、循环、错误处理、边界情况)。返回:equivalent(true/false)、score(0.0-1.0)、differences 数组。4.数据流检查:验证数据转换(映射、类型转换、输入/输出、计算、精度)。返回:equivalent(true/false)、score(0.0-1.0)、issues 数组。5.BRE 覆盖率检查:验证已实现的业务规则(位置、输入/输出、条件)。返回:coverage_score(0.0-1.0)、implemented_rules 数组、missing_rules 数组、details 对象。6.规范符合性检查:验证是否遵循规范(数据结构、处理流程、函数、数据类型)。返回:compliant(true/false)、score(0.0-1.0)、issues 数组。总体等价性得分:加权平均值(语法 20%、结构 20%、逻辑 30%、数据流 30%、BRE 覆盖率 +10%、规范符合性 +10%)。如果得分 ≥0.7,则状态为 "passed"。## 第 2 部分:分析 1.质量评估:对质量进行分级(优秀 ≥0.9、良好 ≥0.7、一般 ≥0.5、较差 <0.5),并附上描述和验证状态。2.质量指标:列出 6 个验证维度的详细得分。3.改进领域:按优先级排列,包含领域名称、严重程度(high/medium/low)、issues 数组和优先级(1-5)。4.建议:针对每个领域提出可执行的建议(语法修复、结构对齐、逻辑验证、数据流修正、补充实现缺失的业务规则、遵循规范)。5.BRE 分析:逐条规则分析(rule_id、implemented、location、quality(1-5)、deviations、notes),并给出 overall_implementation_quality 和 summary。6.代码建议:提出具体改进措施,包含类别(Structure/Naming/Error Handling/Performance/Best Practices)、建议、位置、优先级,以及可选的示例。7.执行摘要:质量等级、等价性得分、验证状态、改进领域数量、前 3 个问题、关键建议。## 输出格式 返回单个 JSON,包含 validation 和 analysis 对象。包括以下字段:status、equivalence_score、validation_results(6 项检查)、findings、recommendations、quality_assessment、quality_metrics、improvement_areas、bre_analysis、code_suggestions、summary。关键要求:全面、具体(标明行号/段落)、可执行、诚实(评分准确),并覆盖所有规则和维度。仅返回 JSON,不附加解释性文字。现在生成完整的验证和分析报告。你可以根据质量要求自定义验证阈值。 运行此提示词后,您将收到一份全面的验证报告,其中包含针对程序结构、条件逻辑、数据转换,以及原始汇编语言指令与现代化 COBOL 实现之间可追溯性方面的缺口所提出的可操作建议。COBOL 到 Java 的转换 在最后阶段,您使用 AWS Transform 将经过验证的 COBOL 代码自动转换为 Java Spring Boot 应用程序。通过 AWS Transform 中的智能重构生成可用于生产环境的 Java 代码。此重构在引入依赖注入、存储库模式和服务层等现代设计模式的同时,保留了在前几个阶段验证过的业务逻辑。您可以将生成的 Java 应用程序部署在 AWS 基础设施上,在保持与原有大型机系统相同业务功能的同时,实现云环境中的可扩展性和韧性。这种以云为中心的方法用模块化、可维护的代码取代单体式大型机架构;这些代码可以独立部署、监控和增强。有关详细的分步说明,请参阅 AWS Transform Refactor Workshop。经验教训 在实践中应用此方法时,以下主要经验可以帮助您确定实施方式:人工参与的验证对转换质量至关重要。Amazon Bedrock 和 Kiro IDE 可以帮助改进业务规则识别,但应始终将 AI 生成的文档视为草稿。领域专家审查在每个关键阶段都不可或缺,而不仅仅是在提取阶段;这样才能发现 AI 工具可能遗漏的特定领域逻辑、边界情况和业务背景。与没有结构化检查点的自动转换相比,这种人工监督有助于减少部署后的缺陷。以 COBOL 作为中间步骤可以降低风险。您会发现,采用汇编语言到 COBOL 再到 Java 的多阶段方法,并在每个阶段设置验证检查点,比尝试直接转换更可靠。中间步骤有助于您在进行最终的 Java 转换之前,验证业务逻辑是否得到保留。规范驱动的方法有助于避免返工。在代码转换之前创建详细的功能规范,可以及早发现理解上的偏差。借助结构化的 JSON 规范,您还可以自动执行验证,并直接与转换工具集成。增量验证有助于缩短整体周期。在每个转换阶段结束后进行测试,而不是等到最后,有助于您及早发现问题并减少总体返工量。每个阶段的质量关卡有助于确认产出是否已准备好进入下一阶段。结论与后续步骤 本文介绍了一种系统性的 AI 驱动方法,用于将旧版大型机汇编语言应用程序转换为基于 AWS 云构建的 Java 应用程序。此方法结合 Amazon Bedrock 和 Kiro IDE,智能提取业务逻辑,并使用 AWS Transform 自动完成 COBOL 到 Java 的转换。通过遵循在每个阶段设置验证检查点的多阶段方法,您可以在保持关键业务逻辑完整性的同时,帮助加快现代化进程。要评估完整的服务体系并了解各组件如何协同工作,请先阅读 AWS Mainframe Modernization 文档。当您准备查看这一流程的实际运行情况时,AWS Transform Refactor Workshop 将通过可在您自己的环境中运行的示例工作负载,引导您了解端到端流程。如果您希望讨论此方法如何应用于您的具体环境,请联系 AWS 代表。欢迎在评论区讲述您的现代化历程并分享您的想法。关于作者 Abhishek Ashish Abhishek 是 AWS 的高级交付顾问,专注于旧版应用程序现代化和以云为中心的架构设计。 他拥有将复杂的遗留系统转变为可扩展的现代解决方案的战略专长,帮助企业客户创造长期商业价值。Manish Roy Manish 在 AWS 构建软件和云解决方案,工作领域涵盖 AI、智能体系统和应用程序现代化的交叉领域。他设计和构建可扩展的云原生应用程序及开发者工具,重点帮助团队实现遗留系统现代化,并采用能够带来可衡量商业价值的生成式 AI 模式。工作之余,他喜欢踢足球和骑摩托车。Sravanthi Bikkina Sravanthi 是 AWS 的交付顾问,帮助企业客户利用生成式 AI 和以云为中心的技术加快大型机转型进程。她在 AWS 大型机现代化、COBOL 到 Java 的重构以及 AI 驱动的迁移策略方面拥有深厚的专业知识。