LegacyTranslate: LLM-based Multi-Agent Method for Legacy Code Translation
Dit paper introduceert LegacyTranslate, een multi-agent framework dat gespecialiseerde LLM-agenten gebruikt om legacy PL/SQL-code succesvol te vertalen naar compilatie- en testbare Java-code binnen bestaande architecturen, zoals gedemonstreerd in een migratieproject van 2,5 miljoen regels bij een financiële instelling.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
LegacyTranslate: De Slimme Vertaalteam voor Oude Software
Stel je voor dat je een enorm, oud kasteel hebt gebouwd van bakstenen (dit is de oude PL/SQL-code). Het kasteel staat nog stevig, maar het is donker, er is geen handleiding bij, en niemand weet meer hoe de oude sleutels werken. Nu wil je het hele kasteel verbouwen tot een moderne, glazen wolkenkrabber (de nieuwe Java-code).
Het probleem? Als je gewoon een robot (een AI) vraagt om de bakstenen om te bouwen, maakt die robot misschien wel mooie, glazen ramen, maar ze passen niet in de muren van het nieuwe ontwerp. De deuren sluiten niet, de liften werken niet, en het hele gebouw stort in.
Dat is precies het probleem dat dit paper oplost. De onderzoekers hebben LegacyTranslate bedacht: geen enkele robot, maar een team van drie gespecialiseerde experts die samenwerken om die oude code veilig en correct naar de nieuwe wereld te verplaatsen.
Hier is hoe dat team werkt, vertaald naar alledaagse analogieën:
1. De Vertaler (Initial Translation Agent)
De "Sneltekenaar"
De eerste expert kijkt naar de oude baksteenmuur en zegt: "Ik weet hoe je dit in glas vertaalt!" Hij pakt een boek met voorbeelden van andere muren die al zijn omgebouwd (de retriever) en tekent een eerste schets van de nieuwe muur.
- Het resultaat: Hij maakt een mooie tekening die eruitziet als een gebouw, maar vaak nog niet echt kan staan. Het is een goed begin, maar het mist de details die nodig zijn om het echt te laten werken.
2. De Bouwmeester (API Grounding Agent)
De "Specs-Check"
De tekening van de eerste expert is mooi, maar hij gebruikt de verkeerde soorten deuren of de verkeerde type liften die in dit specifieke bedrijf niet bestaan. De tweede expert is een strenge bouwmeester die een enorme catalogus heeft van alle beschikbare onderdelen (de API-kennisbank).
- Zijn taak: Hij kijkt naar de tekening en zegt: "Hé, die deur past niet! We moeten die vervangen door Deur Type X uit onze catalogus." Hij haalt de juiste specificaties uit de kast en geeft ze door aan de volgende stap. Zonder deze stap zou het gebouw nooit de bouwvergunning krijgen.
3. De Kwaliteitscontroleur (Refinement Agent)
De "Herstel-Expert"
Nu hebben we een tekening met de juiste onderdelen, maar als we het proberen te bouwen, valt er nog steeds iets uit elkaar. De derde expert is een perfectionist die het gebouw test.
- Hoe hij werkt: Hij bouwt het, ziet waar het mislukt (de compiler-fouten), en zegt: "Deze schroef is te kort, en die balk zit scheef." Hij geeft deze feedback terug naar de Vertaler en de Bouwmeester. Samen passen ze het ontwerp aan, testen ze het opnieuw, en herhalen ze dit tot het gebouw perfect staat en alle tests doorstaat.
Wat leerden ze hieruit? (De grote ontdekkingen)
- Alleen een AI is niet genoeg: Als je gewoon vraagt aan een slimme AI om de code te vertalen zonder de bouwmeester en de kwaliteitscontroleur, krijg je mooie, maar onbruikbare code. Het compileert niet (het gebouw stort in).
- De juiste voorbeelden zijn goud waard: Het helpt enorm als de Vertaler kijkt naar voorbeelden die echt lijken op wat hij moet doen, in plaats van willekeurige voorbeelden.
- Hoe groter het brein, hoe beter: De grotere en slimmere AI-modellen (zoals de Qwen2.5-14B) kunnen deze complexe taken veel beter aan dan de kleinere modellen. Kleine modellen raken de draad kwijt in de lange instructies.
Het eindresultaat
Met dit slimme team van drie agents lukte het om 52,9% van de oude code om te zetten in werkende, moderne code die direct in het nieuwe systeem past. Zonder dit team was dat percentage bijna 0%.
Kortom: LegacyTranslate laat zien dat je voor het moderniseren van oude systemen niet één grote AI hoeft te hebben, maar een goed georganiseerd team van specialisten die elkaars werk controleren en verbeteren. Het is het verschil tussen een rommelige verbouwing en een strakke, veilige transformatie.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.