Mistral 遗留代码迁移｜4 万行 Fortran 77 转 C++，先做数值一致性再用 Agent
30 万行储层模拟器的首个 Sprint 显示，完全自治只会翻译语法，结构化分工与可执行基线更关键。
本文核心看点
Mistral 于 9 月 9 日复盘一家欧洲能源运营商的遗留系统迁移：目标是把 30 万行 Fortran 77 储层模拟器转为 C++，首个 Sprint 完成核心 4 万行。团队先建立最终结果与关键中间点的数值一致性测试，再用一百多个 Agent 整理调用关系。官方称完全自治方案只得到“换成 C++ 语法的 Fortran”，最终采用规划、编码、测试、评审的结构化流程，并由工程师处理阻塞。
直接回答
Mistral 于 9 月 9 日复盘一家欧洲能源运营商的遗留系统迁移：目标是把 30 万行 Fortran 77 储层模拟器转为 C++，首个 Sprint 完成核心 4 万行。团队先建立最终结果与关键中间点的数值一致性测试，再用一百多个 Agent 整理调用关系。官方称完全自治方案只得到“换成 C++ 语法的 Fortran”，最终采用规划、编码、测试、评审的结构化流程，并由工程师处理阻塞。
事实来源
Mistral 表示，项目目标是迁移一套 30 万行的 Fortran 77 储层模拟器，首个 Sprint 完成其中 4 万行核心功能。
团队在写迁移代码前建立数值一致性 Harness，对比最终输出和由储层工程师指定的关键中间检查点。
一百多个 Agent 用于整理调用树；完全自治方案保留了全局状态与 GOTO 结构，最终工作流改为模块化的规划、编码、测试、评审与工程师介入。
核心变化
- 测试基线前置于代码生成
- Agent 先恢复文档与调用关系
- 模块控制在约一万行以内
- 自治从全放开改为结构化协作
对普通 AI 用户的影响
这份案例说明，AI 可以扩大遗留代码阅读和迁移吞吐，但无法替代对物理含义、数值误差和目标架构的判断。普通开发团队最容易复制的不是一百多个 Agent，而是先让旧系统可运行、固定输入输出、记录关键中间状态，再让较小模块通过同一套验收标准。
给团队的操作清单
- 保存可运行的旧版本、编译环境、代表性输入和已知输出，形成不可漂移的基线。
- 在生成新代码前导出最终结果与关键中间状态，明确允许的数值误差。
- 按调用关系拆出边界清晰的小模块，为规划、实现、测试和评审设独立记录。
- 任何模块未达到数值一致性或结构目标时停止合并，并回退到上一个通过版本。
AI 前沿资讯与趋势解读、AI 软件应用与模型工具、AI 技能教程与验证方法、AI 账号服务与权限说明
FAQ
这是否证明完全自动迁移已经成熟？
没有。Mistral 明确写出完全自治方案的结构质量不足，最终仍使用工程师操作结构化流程。
4 万行是否代表全部系统完成？
不是。官方称总规模约 30 万行，4 万行是首个 Sprint 的核心功能。
为什么数值一致性比编译通过更重要？
科学计算代码可能在成功编译后仍产生错误结果；关键输出和中间点能更直接检验行为是否保持。
总结
遗留系统现代化的控制点应是可执行基线和行为一致性；Agent 数量只有在文档、模块边界、停止条件与回退证据齐备时才有意义。
本文由 AI 辅助撰写；发布前由 ENHE AI 自动化审计核对官方来源、双语字段、图片权利、页面安全与历史去重。
这对普通用户意味着什么？
这份案例说明，AI 可以扩大遗留代码阅读和迁移吞吐，但无法替代对物理含义、数值误差和目标架构的判断。普通开发团队最容易复制的不是一百多个 Agent，而是先让旧系统可运行、固定输入输出、记录关键中间状态，再让较小模块通过同一套验收标准。
你可能会用到这些工具
相关教程
相关工具/教程
你可以从下面的 ENHE AI 栏目继续把资讯信号转成工具选择、账号服务判断或实操学习路径。
相关阅读
从聊天框到个人AI操作伴侣：AI助手正在进入桌面执行时代
AI 助手正在从“回答问题”走向“持续执行任务”。AI agent、MCP 工具生态、个人记忆和本地工作台，正在一起推动这场变化。对用户来说，真正重要的不是多一个聊天框，而是少一点重复解释，多一点把事情继续做下去的能力。
AI Agent 系统卡上线清单｜把用途、组件、评测、监控与责任写进版本记录
英国国防部 Digital MOD 的 AI Practitioner’s Handbook 建议，系统卡应从模型进入候选阶段开始创建，并在整个生命周期持续更新、保留旧版本形成审计轨迹。卡片应记录系统概览与负责人、模型及托管环境、预期用途与用户、运行要求、培训和监控计划，以及支持文档。本文把这一国防场景指南改编为通用 AI Agent 上线证据卡，额外记录提示词、工具、权限、评测、限制和恢复路径；它不是英国国防部对其他组织的强制要求。
GitHub Copilot 企业 Agent 权限｜命令、文件与联网操作进入统一策略控制
GitHub 于 9 月 9 日上线 Copilot Agent 操作的企业级集中权限。管理员可分别管理 Shell 命令、文件读写和网络域名访问，并把动作设为阻止、要求用户批准或无需提示；用户设置、工作区配置、自动批准与历史授权均不能放宽企业限制。该能力已在 Copilot App、CLI 及采用 Agent Host 的 VS Code 会话中正式可用，团队应先建立最小权限基线再逐项开放。
Meta Muse 个人 Agent｜独立安全虚拟机、Sentinel 守卫与敏感动作确认
Meta 于 9 月 8 日发布个人 AI Agent Muse，并开始向美国 iOS、Android 与网页用户推出。Muse 运行在带独立浏览器的专用 Secure VM 中，可持续处理表单、规划和跨应用任务；系统级隔离的 Sentinel Agent 会在任何操作联网前审核，发送邮件、购买等敏感动作则回到用户确认。官方还提供完整操作轨迹和连接权限控制，但安全、隐私与效果声明仍需在真实任务中独立验证。
AWS 将 AgentCore 评测接入 GitHub Actions：AI Agent 回归开始成为合并前质量门禁
AWS 于 9 月 8 日发布将 Amazon Bedrock AgentCore Evaluations 接入 GitHub Actions 的参考流程。该流水线在开发环境部署代理与受 OAuth 保护的 MCP 服务，运行代表性提示词，读取 OpenTelemetry 轨迹并按正确性、目标达成和工具选择等维度评分；低于阈值时阻断 PR。文章同时给出存量轨迹、测试用户和机器身份三种认证思路。团队采用前应验证角色边界、样本覆盖、评分稳定性、费用与失败回滚。
AWS AgentCore支持跨账号知识库连接：先核对信任策略再扩展检索
AWS AgentCore支持跨账号知识库连接：先核对信任策略再扩展检索。官方信息显示，这项更新会改变普通用户完成让智能体安全读取另一账号的知识库并验证最小权限的入口或权限。本文核对一手来源，区分公开预览与已可用操作，并列出账号条件、数据范围、成本、人工复核、日志和回滚检查。读者应先用低风险、可重复的小任务验收，再决定是否扩大，不能把公告当成普遍效果或无条件免费承诺。
