legacy-systems

这是一篇面向 FDE（前线部署工程师）的技术博客，系统梳理了 Model、Agent、Skill、MCP、CLI 五大概念的分层架构与协作关系，并详细介绍了将传统行业存量系统（OA、PLM、MES）通过 API 封装、CLI 包装、RPA 三条路径接入 AI Agent 的工程实践方案。

本文汇编了游戏开发者的轶事，详细介绍了在游戏开发中用于克服技术挑战和赶上截止日期的非常规编程技巧和窍门。

文章探讨了企业AI项目往往无法投入生产的原因，重点关注数据质量、遗留系统和部署安全方面的挑战。

用户发现其在Linux上使用的COBOL编译器由日本人主导开发，并赞赏日本人对维护旧系统的执着。

Simon Willison 认为，完全从头重写遗留系统很少成功，往往导致生产环境中同时运行两套并行系统。他建议转而通过自动化测试和有针对性的重构来巩固旧系统，并援引 Will Larson 关于迁移的著述，认为这是最负责任的做法。

一份基于对300位数据与技术高管的调查报告，探讨了遗留数据系统如何限制企业AI智能体的效能与扩展，并指出那些为智能体提供更广泛数据访问的“数据领导者”会获得更高的信任与成功。

一位自动化顾问警告说，在不理解工作流原始目的的情况下进行自动化，可能会把过时的仪式和丢失的上下文编码进系统。他讲述了一个毫无意义的24小时等待期在旧批处理系统退役后依然存续的故事。

本文提出了Agentic Nesting，一种多智能体协作框架，将现有企业应用封装为分层嵌套结构中的AI智能体，实现自然语言交互和跨应用编排，作为传统ESB/API/RPA集成方法的替代方案。

Gartner预测到2026年，60%的AI项目将被放弃。作者在企业内容管理领域工作，认为真正的阻碍是混乱的非结构化遗留内容和不一致的元数据，而非AI模型本身。

Aaron Levie 讨论了在企业工作流中部署 AI 智能体的重大挑战，包括数据碎片化、遗留系统以及变更管理的需求，并强调了部署公司日益增长的作用。

探讨代理型AI项目在企业环境中失败的常见原因，重点分析基础设施、遗留系统、数据碎片化及治理挑战。

Minicor 是一个由 Y Combinator 支持的平台，部署自愈 AI 代理以实现可扩展的桌面自动化，能够与缺乏 API 的遗留系统集成。

本文介绍了Reversa，一个多智能体框架，能够将遗留软件转换为可追溯的操作规范供AI代理使用，从而实现更安全的修改和迁移。文中还包含一个探索性案例研究，即将一个ATM系统从COBOL迁移到Go。

阿尔伯塔省基础设施部取消了一项价值5400万美元的采购计划，该计划旨在更换两个旧计算机系统，经过多年失败尝试和成本上升后，他们选择了更具成本效益的方案。