AI 将遗留 COBOL 程序迁移到 Java，连 bug 也一并保留
这项研究提出“Locksmith Loop”智能体测试合成方法，用于确定性验证 AI 将遗留 COBOL 程序迁移到 Java 的结果。该方法在普通硬件上运行经过 mock 计装的 COBOL 与 Java 环境，通过迭代式见证搜索和奇偶校验变异深入程序分支。在 430 至 4,114 行的三个案例中，开源程序实现近乎完全分支覆盖，生产级程序达到 91.90% 分支覆盖，所有接受用例均通过确定性奇偶校验。
将遗留 COBOL 程序迁移到 Java 一直是软件工程中的棘手问题：业务逻辑往往运行数十年，缺少完整的测试数据，且难以覆盖所有边界情况。随着 AI 辅助编码的普及，模型可以快速生成 Java 代码，但如何证明迁移结果与原有 COBOL 程序行为一致，仍然缺乏系统性方案。近日一篇提交至 arXiv 的论文提出了一种名为“Locksmith Loop（锁匠循环）”的智能体测试合成方法，专门用于对 AI 生成的遗留代码迁移结果做确定性验证。
该方法首先准备两套运行时环境：将 COBOL 源代码和生成的 Java 目标代码分别用 mock（模拟对象）进行插桩，并在大型机之外的普通商用硬件上执行。随后，一个迭代式智能体循环开始运行：Witness Search 阶段在输入 mock 空间中进行搜索，以穿透程序中的更多分支；接着执行保持奇偶校验一致的变异（parity-preserving mutations）。当程序到达路由边界时，分析器会识别出一个“Locked Paragraph”——即阻碍更深入探索的条件。
研究团队在三个 COBOL 到 Java 的案例上验证了该方法，涵盖两个开源程序和一个内部生产级 COBOL 程序，源程序规模从 430 行到 4,114 行不等。结果表明，Locksmith 能持续超越单纯输入搜索的覆盖率平台：两个开源程序达到近乎完全的分支覆盖，内部生产级程序达到 91.90% 的分支覆盖率。在所有被接受的测试用例中，生成的 Java 代码均通过确定性奇偶校验，与 COBOL 参考实现保持一致。
论文作者 Andras Ferenczi 及另外四位合作者认为，这是首次使用确定性 oracle 验证智能体编码输出的新颖方法。论文共 11 页，包含 6 幅图，于 2026 年 7 月 30 日提交，分类为软件工程（cs.SE）与人工智能（cs.AI）。这项研究提示，AI 迁移遗留系统不仅需要“会写代码”，更需要“能验证代码”的闭环——而这种验证甚至可能保留原程序中的既有 bug，正如论文标题所暗示的那样。