COBOL 仍然在大量系统中使用，但缺乏能够反映真实生产代码的语料库，导致现代化方法的基准测试受限。我们设计了一条智能 AI 流水线，用于生成逼真的 COBOL 程序。流水线首先依据业务规格自动生成代码框架，然后通过迭代降解，将从真实生产代码中抽取的模式和复杂度目标注入生成的程序。降解过程遵循我们定义的结构相似度指标，包括函数层次深度、调用图密度和数据结构使用率等。我们在三个来自不同业务领域的案例程序上进行实验，评估降解是否能够达到目标复杂度并保持业务行为。实验表明，流水线能够稳定生成语法正确的程序，并使结构复杂度逐步逼近真实水平。但并非所有情况下业务行为都能被保留，单独优化结构指标可能导致生成的程序缺乏合理的维护历史。我们讨论了这些局限，并提出一种更真实的方向：在模拟的开发历史中从零生成遗留程序。
点评