欧洲一家能源运营商，最近把一套40000行Fortran 77储层模拟器搬到了C++。这听起来像AI公司做的技术demo，但背后是一次实打实的遗留代码现代化手术。Mistral复盘后给出的结论很直接：先别急着让大模型写代码，用数值对齐校验锁住行为，再用结构化Agent工作流去拆解脏活。方法不玄，可迁移性极强。
一、Fortran 77的“遗产”：能跑，但没人敢碰
一套模拟器，背后是几十年的地层逻辑
储层模拟器是用来计算油气在复杂地质结构里怎么流动的。欧洲这套代码，1970年代生根，经历过无数轮油田数据锤炼。里面的物理模型、数值方法、边界条件，已经和地质工程师的经验长在一起。Fortran 77没有任何现代语法糖，没有类，没有指针，一个COMMON块传遍全程序。代码能跑，而且跑得极稳，但没人敢碰。懂Fortran的老工程师陆续退休，年轻的C++团队看着上万行GOTO，只想重写。这里有个关键判断：F77没有错，结构其实是“数值家的结构”，一旦重写，真正的逻辑风险会浮出来。
为什么是现在？人才和效率的双重压力
迁移的直接原因是维护成本到了临界点。Fortran 77编译器在现在的HPC生态里成了异类，新硬件要手工调性能，老模块又无法并行。更麻烦的是，团队招不到人。能源行业要跑得更快的预测模型，要接入机器学习做代理模型，可底层全是F77，年轻工程师根本融不进去。运营商试过内部重构，用了两年，半途而废。这印证了那句老话：遗留代码的根子往往不在代码，而在组织和知识已经断代。于是这次选择借力AI，但方式很克制——每个Agent都被“数值一致性”的镣铐绑住，不许自由发挥。
翻译，还是重写？一次有边界的现代化
最常见的问题是：既然C++是目标，为什么不干脆按现代架构重写？项目复盘的回答是：业务不允许。储层模拟器是生产工具，不是玩具代码。每一行数学方程都对应真实油田的经济决策，换一套算法可能带来微小偏差，导致储层预测完全失真。所以这次迁移的定位很明确：把Fortran 77的行为语义移植到C++，保留原有的数值算法和求解顺序，只在可读性、数据结构和工作流上做面向现代的改造。用三个词说就是“谨慎、分步、可验证”。
二、先给迁移“立规矩”：数值对齐校验是唯一准绳
别让新旧代码各说各话
任何迁移项目的第一块压舱石，都是证明新代码和旧代码在数学上是一家人。Mistral团队没有急着定义什么“重构优先级”，而是先搭了一套数值对齐校验。简单说：同一组输入，跑Fortran旧模块和跑C++新模块，把每一步计算的中间结果抓出来，逐位对比。浮点运算的误差不能靠“差不多”滑过去，而是设定严格的绝对误差和相对误差阈值。他们甚至对比到求解器内部迭代次数、非线性残差序列。这套东西搭完后，回归测试才有真正的底气。
从“行为一致”到让机器承认一致
最难的部分是让数值比较不过度敏感。浮点运算的顺序稍微变一下，结果都会变。比如C++编译器优化后，融合乘加（FMA）指令会把两个运算合成一次，导致结果与Fortran有末位差别。如果直接用“完全一致”来卡，迁移会寸步难行。复盘中的做法是分层对比：宏观上比较最终场分布和累积量，中观上比较每个网格单元的压力、饱和度时间序列，微观上比较关键局部的残差收敛曲线。三层都通过，才叫对齐。这种做法消除了“非黑即白”的误判，也保住了数值行为的可信度。
校验不是一次性工程，它应该是迁移的“墙轨”
更聪明的地方是，这套校验环境不是跑完一轮就扔掉，而是成为整个Agent工作流的持续约束。Fortran代码的每个子程序被翻译成C++后，都要立刻挂到同一组数值测试下。测试用例是从真实生产数据集中摘出来的场景，不是那种“覆盖到了”就满足的低质用例。项目方明确说，校验覆盖率绝不等于行覆盖率，最重要的是边界条件和极端物理状态。这实际上把一次大爆炸式的重构，拆成了几千次小型可验证迁移。每一个小步骤，都有一堵不能越过的墙挡在那里。
三、结构化Agent工作流：如何让AI有条理地干脏活
Agent不是自动补丁机
把40000行F77交给一个通用AI提示词，会得到一堆漂亮的C++代码，但几乎肯定不能过数值检验。Mistral用的不是这种蛮力玩法。他们设计了一个“规划-执行-审查”的Agent闭环。每个Agent只负责一个粒度很细的任务：要么翻译一个没有任何子调用的纯计算函数，要么重写一个内部状态明确的数据块映射。大模型的角色是流水线上的熟练工，而真正的项目经理是外围的流水线控制逻辑。这套结构化的本质，是用可验证的边界来倒逼生成质量。
任务拆解的顺序：先动叶子，后动枝干
结构化体现在一个非常具体的策略：先动叶子，后动枝干。他们把Fortran代码按调用关系梳理成依赖图，然后从没有子程序的底层数学函数开始迁移。这一步最简单，也最容易验证。等底层模块都被C++替身覆盖并通过对齐测试后，再逐步向上替换调用它们的父模块。整个过程像剥洋葱，一层层往里拆，却始终保留可编译的系统状态。任何时刻，代码库里都只存在小范围的“正在迁移”状态，这让排查错误变得异常清晰。
人在回路：哪些节点必须保留人类决策？
项目还有一个容易被忽略的经验：在Agent工作流里设计了三个人类审查闸口。第一道在任务定义时，由领域专家把Fortran代码里那些“看起来多余”的写法和特殊变量命名转译给Agent；第二道在单元对齐完成后，由数值分析师检查对比指标是否合理；第三道在集成回归时，由业务方确认模拟结果在物理上可信。Agent负责速度和一致性，人类负责业务理性和例外情况的判断。这种混合不是最低效的，反而让整个迁移少走了大量回头路。回头看，这次迁移的样本意义，不在于把大模型用在了一个多酷炫的场景，而在于它示范了怎样用工程纪律去约束AI——这才是遗留代码现代化真正需要的核心能力。
