Claude发了篇官博介绍借助AI来将遗留项目做现代化改造的经验，主要分六步。

1. Define the target：先定义目标状态
先决定现代化属于哪一类：
----Uplift：技术栈不变，只升级版本，例如 C++11 → C++20；
----Transform：更换技术栈，但保持业务行为不变，例如 COBOL → Java；
----Reimagine：连架构和业务行为一起重新设计。
这里最重要的是尽早明确“哪些行为必须保持、哪些可以改变”，并梳理旧系统的依赖、业务规则和边缘场景，否则后面很难判断 AI 生成的修改是否“正确”。

2. Define the certificate：定义“正确性证书”
企业需要事先定义一套机器可验证的验收标准，作者称为 certificate。它可以包括原有测试、新生成测试、覆盖率、性能基准、安全扫描、新旧系统输出对比、生产流量回放、staging 指标等。核心原则是：尽可能让 Agent 自己反复修改直到满足这些条件，只有无法判断的情况才交给人。

3. Set the promotion policy：重新设计代码进入生产的路径
AI 产生代码的速度可能远超人工逐个 PR 审查的能力，因此不能简单沿用“所有 diff 都由人完整 review”的流程。文章建议按风险和影响范围分层：高风险、关键路径保留人工深入审查；低风险且 certificate 证据充分的修改采用更轻量的审批。这样，稀缺的领域专家时间集中在真正需要判断的地方。

4. Put prerequisites in place：提前解决基础设施和组织依赖
在真正启动 Agent 之前，需要准备好运行环境、测试资源、CI/CD、依赖关系图、代码冻结方案、相关团队的 reviewer capacity，以及安全与合规机制。尤其要坚持最小权限：Agent 只应写 modernization branch，不持有生产凭证，同时需要保留每个修改对应的 Agent transcript 和验证证据，以便审计。

5. Build and refine the agentic workflow：构建 Agent 工作流
Claude Code 的作用是把大型现代化任务拆成多个较小且可并行执行的 Agent 工作流。作者特别强调：试点过程中如果不断出现同类错误，应该修改 workflow、规则或 certificate，而不是让人一次次手工修复单个结果。

6. Run the modernization：先小范围完整跑通，再扩展
先选择代码库的一小部分，从生成修改、验证、人工审查一直跑到正式合入，证明整个链路有效后再扩大规模。如果是在持续开发的代码库中原地升级，可以把代码库划分为逻辑区域，逐块冻结、现代化，并通过 CI/CD 防止后续提交重新引入旧模式。

最大的难点还是在如何去验证改造后的项目是正常的