تحويل توثيق الشيفرة القديمة باستخدام GenAI  

لمعالجة هذه المشكلات، استعنا بخدمات Azure OpenAI Services لأتمتة عمليات التحليل والتوثيق والتحسين وتحسينها. يضمن نهجنا في هذا المشروع أن الأنظمة القديمة ليست موثقة بشكل شامل فحسب، بل محسّنة أيضًا لدعم متطلبات الأعمال الحالية والمستقبلية بكفاءة.

ركز نطاق عملنا بشكل أساسي على 4 مجالات:

تحليل تلقائي

• تحليل الشيفرة القديمة وتوثيقها – استخدمنا تقنية GenAI لتحليل قاعدة الشيفرة القديمة تلقائيًا، وهو ما تضمّن قراءة الشيفرة وفهمها بشكل منهجي ثم إنشاء توثيق مفصّل يصف التعقيدات الدقيقة للشيفرة القائمة.
• إبراز التبعيات – أنشأت أدواتنا تمثيلات مرئية، مثل رسوم التبعيات البيانية، توضح كيفية تفاعل أجزاء مختلفة من الكود.

كشف التكرار

• تحديد الكود المكرر – استخدمنا خوارزميات متقدمة لفحص قاعدة الكود بحثاً عن مقاطع الكود المكررة. هذه التكرارات شائعة في الأنظمة القديمة ويمكن أن تؤدي إلى تحديات في الصيانة.
• إعداد التقارير للتنظيف – بمجرد تحديد التكرارات، أنشأنا تقارير مفصلة تسلط الضوء على هذه المشكلات وتقدم إرشادات واضحة حول مكان الحاجة إلى التنظيف.

إعادة الهيكلة والتحسين

• اقتراحات إعادة هيكلة الكود المدعومة بالذكاء الاصطناعي – استخدمنا الذكاء الاصطناعي لتقديم توصيات قابلة للتنفيذ لإعادة هيكلة الكود. صُممت هذه الاقتراحات لتحسين أداء الكود وقابليته للقراءة والصيانة.
• تحسين الأداء – حلّلت أدوات الذكاء الاصطناعي لدينا اختناقات الأداء في النظام وأوصت بتغييرات محددة لتحسين الأداء. وبفضل ذلك، ضمنا أن النظام القديم يلبي معايير الأداء الحالية وقابل للتوسّع لتلبية المتطلبات المستقبلية.

تصور تدفق البيانات والهندسة المعمارية

• توثيق تدفق البيانات – قمنا بأتمتة توثيق تدفق البيانات في النظام، والذي يتضمن رسم خرائط لكيفية انتقال البيانات عبر مكونات النظام المختلفة وتحسين فهم وإدارة عمليات البيانات.
• إنشاء مخططات UML – لتوفير تصور واضح وشامل لبنية النظام، أنشأنا مخططات لغة النمذجة الموحدة (UML)، وهي طريقة موحّدة لتصور مكونات النظام.