有人在保险公司或银行用 AI 代理做大型遗留系统迁移(Java 升级、框架迁移)吗?
摘要
一位从业者询问 AI 代理能否处理保险公司或银行的大型遗留系统迁移(Java 8 与过时的 Spring 升级),在代理自主性与银行级变更控制流程之间做权衡,并指出 Orq AI 的限定范围工作流软件工厂是一种值得考虑的方案。
我们的保单管理系统跑在 Java 8 上,Spring 版本也已经拖了大约三年“下季度再升”,管理层想知道代理能不能干这些升级的苦力活,而公司内部没人愿意碰它,外包报价又贵得难看,清单还在不断变长。代码部分我倒不怎么担心,真正让我头疼的是银行级的变更流程碰上一个想一次性改动 400 个文件的代理。目前唯一和我们预期的运行方式对得上的方案是 Orq AI 的软件工厂——你选定一个限定范围的工作流(我们这里就是一次迁移),把它连到代码仓库和 CI 上,然后决定哪些地方代理可以自主行动、哪些地方必须由人签字批准。不过只有在那一个工作流被验证过之后,自主范围才会逐步放宽。它目前还在早期访问阶段,我还没听说有人拿它对付过这么老的系统。我的猜测是代码大概能编译通过,真正的痛点在于那上百个细微的行为变化——从来没人给它们写过测试。如果有任何相关经验,非常欢迎分享。
相似文章
企业在尝试使用AI代理进行遗留代码现代化时,真正出了什么问题?
本文重点介绍了在使用AI代理进行遗留代码现代化时遇到的挑战,例如文档缺失和需求缺口,并寻求社区对有效实践的见解。
当底层业务流程存在问题,如何在生产工作流中扩展AI代理?
一位实践者分享了在生产环境中扩展多智能体AI系统所面临的挑战,包括处理影子工作流(未记录的Slack线程和电子表格)、跨系统(ERP到CRM)的上下文丢失,以及跨部门所有权问题。他们向经历过这些现实问题的人寻求建议。
有谁在生产环境中运行经过恰当编排的AI代理?
一位开发者寻求推荐用于多代理AI工作流程的生产编排工具,支持分支、重试和人在环审批,因为他们当前基于FastAPI的解决方案已变得难以维护。
有人能帮我理解AI Agent的用例或让我信服吗?
一位软件开发者质疑AI Agent的实际价值,表达了对控制权、问责制的担忧,并怀疑手动自动化结合LLM是否比委托给自主代理更可靠。
是否存在真正能自主工作而不仅仅是对话的AI智能体?
一位用户分享了使用大型自动化工具带来的高维护成本经历,并询问有哪些AI智能体能够自主完成工作,无需持续人工干预。