שינוי תיעוד קוד מדור קודם עם GenAI  

כדי להתמודד עם בעיות אלו, נעזרנו ב-Azure OpenAI Services כדי להפוך את תהליכי הניתוח, התיעוד והאופטימיזציה לאוטומטיים ולשפר אותם. הגישה שלנו לפרויקט זה מבטיחה שמערכות legacy לא רק מתועדות ביסודיות אלא גם מותאמות באופן אופטימלי לתמיכה יעילה בדרישות העסקיות הנוכחיות והעתידיות.

היקף העבודה שלנו התמקד בעיקר ב-4 תחומים:

ניתוח אוטומטי

• ניתוח ותיעוד קוד מדור קודם – השתמשנו בטכנולוגיית GenAI כדי לנתח באופן אוטומטי את בסיס הקוד הישן, מה שכלל קריאה ושינון שיטתיים של הקוד ולאחר מכן יצירת תיעוד מפורט המתאר את מורכבויות הקוד הקיים.
• הדגשת תלויות – הכלים שלנו יצרו ייצוגים חזותיים, כגון גרפי תלויות, הממחישים כיצד חלקים שונים של הקוד מתקשרים זה עם זה.

זיהוי כפילויות

• זיהוי קוד כפול – השתמשנו באלגוריתמים מתקדמים כדי לסרוק את בסיס הקוד אחר מקטעי קוד כפולים. כפילויות אלו נפוצות במערכות מדור קודם ועלולות להוביל לאתגרי תחזוקה.
• דיווח לצורך ניקוי – לאחר זיהוי הכפילויות, הפקנו דוחות מפורטים שהצביעו על בעיות אלו וסיפקו הנחיה ברורה היכן נדרש ניקוי.

ריפקטורינג ואופטימיזציה

• הצעות ריפקטורינג מבוססות AI – ניצלנו את ה-AI כדי לספק המלצות מעשיות לריפקטורינג קוד. הצעות אלו תוכננו לשפר את ביצועי הקוד, קריאותו ותחזוקתיותו.
• שיפור ביצועים – כלי ה-AI שלנו ניתחו צווארי בקבוק בביצועי המערכת והמליצו על שינויים ספציפיים לשיפור הביצועים. הודות לכך, הבטחנו שמערכת מדור הקודם עומדת בתקני הביצועים הנוכחיים וניתנת להרחבה לדרישות עתידיות.

המחשת זרימת נתונים וארכיטקטורה

• תיעוד זרימת נתונים – אוטומטנו את תיעוד זרימת הנתונים במערכת, הכולל מיפוי של אופן תנועת הנתונים בין רכיבי מערכת שונים ושיפור ההבנה והניהול של תהליכי הנתונים.
• יצירת דיאגרמות UML – כדי לספק ויזואליזציה ברורה ומקיפה של ארכיטקטורת המערכת, יצרנו דיאגרמות Unified Modelling Language (UML), שהן דרך מתוקננת לוויזואליזציה של רכיבי מערכת.