# 给遗留系统接入 AI Agent，又不沾上它的历史包袱

> 防腐层把状态码“D”挡在提示词和评测之外，绞杀者模式逐个替换旧功能，无需重写。

原文: https://fdetimes.net/zh/guides/anti-corruption-layer-strangler-fig-legacy-ai/

到客户现场的第二周，你打开了他们用了十多年的保修管理系统的数据库。`TRANG_THAI`（状态）列只有三个字母：C、D 和 H。日期以字符串形式存储。

`MO_TA`（描述）列里，客户对故障的描述和员工的内部备注混在一起。与此同时，客户希望这个季度就让 AI Agent 给保修工单分类。

多数工程师会掉进两个陷阱之一。第一个是让 Agent 直接读取 `TRANG_THAI = 'D'`。从此，每条提示词、每项评测、每个 schema 都得“知道”D 是什么意思。第二个是提议重写整个系统，而这种项目客户永远不会批准。

有两种模式能帮你绕开这两个陷阱：防腐层（Anti-Corruption Layer，ACL）和绞杀者模式（Strangler Fig）。如果前线部署工程师（FDE）的工作把你派到一家守着没人敢碰的遗留系统的客户那里，请在第一次架构会议之前把这两种模式学透。这样你手里就有一份客户愿意签字的方案。

## 为什么遗留系统会“污染”新代码？

Microsoft 的 Azure 架构指南点明了这个问题：新系统要与遗留系统通信时，往往被迫采用遗留系统的至少一部分 API 或语义。没有人刻意这样决定，它是一个 `if status == 'D'` 接一个 `if status == 'D'` 慢慢渗进来的。

ACL 就是用来阻止这种情况的。这个模式最早由 Eric Evans 在《领域驱动设计》（*Domain-Driven Design*）中提出。它是位于两个对数据理解不同的系统之间的外观层或适配层，职责是把一方的请求翻译成另一方的语言。

按照 Microsoft 的说法，这样一个系统可以保持不变，同时不损害另一个系统的设计和技术选型。

在 AI 项目里，“另一个系统”就是你要构建的东西：Agent 的输入 schema、评测集、工具定义。你希望它们说的是业务语言，比如 `pending`、`in_progress` 和 `closed`，而不是一个多年前设计的数据库的语言。

## 如何为保修系统编写 ACL？

回到开头的例子。问过客服团队之后，你得知 C 表示“待处理”，D 表示“处理中”，H 表示“已完成”。内部备注总是以 `[NB]` 开头。翻译层的核心如下：

```python
from dataclasses import dataclass
from datetime import date, datetime

STATUS_MAP = {"C": "pending", "D": "in_progress", "H": "closed"}

@dataclass
class WarrantyClaim:
    claim_id: str
    status: str
    created_on: date
    customer_text: str
    internal_notes: list[str]

class LegacyFormatError(ValueError):
    pass

def to_domain(row: dict) -> WarrantyClaim:
    code = (row.get("TRANG_THAI") or "").strip()
    if code not in STATUS_MAP:
        raise LegacyFormatError(f"未知状态码：{code!r}（id={row.get('MA_BH')}）")
    lines = (row.get("MO_TA") or "").splitlines()
    return WarrantyClaim(
        claim_id=row["MA_BH"],
        status=STATUS_MAP[code],
        created_on=datetime.strptime(row["NGAY_TAO"], "%d/%m/%Y").date(),
        customer_text="\n".join(l for l in lines if not l.startswith("[NB]")),
        internal_notes=[l[4:].strip() for l in lines if l.startswith("[NB]")],
    )
```

有三点值得注意。第一，Agent 只会看到 `WarrantyClaim`，它不知道 C、D、H 的存在。

第二，遇到未知或为空的状态码，函数会在边界处直接报错，而不是让它混进提示词。这符合 Microsoft 在边界处校验输入的建议。（错误信息即“未知状态码”。）

第三，内部备注被单独拆出，你可以决定不把它们发给模型。

这个函数不含任何业务逻辑。它不决定哪些工单优先处理，也不决定哪些派给技术人员。Microsoft 明确指出，业务规则和编排不属于这一层。

**要点:** 翻译层只该做翻译。把业务规则塞进去，它就会变成第二个遗留系统。

## 如果 AI 要直接取代某个旧功能呢？

ACL 让 AI 层能读取遗留数据，但客户通常想要更多。故障分类目前靠一个手工录入界面完成，他们希望交给 AI。这时就该用绞杀者模式。

Martin Fowler 认为，一次性替换大型系统通常会失败，他和同事选择的是渐进式现代化。每次只替换一小块，每次发布的风险就很小。用户也能用上新功能，而不必等一个拖上好几年的替换项目。

按照 Microsoft 的说法，绞杀者模式依靠一个外观层（代理）运作：它拦截发往遗留系统的请求，把每个请求要么送往旧系统，要么送往新服务。

调用方并不知道迁移正在进行。AWS 也强调了这一点：调用被悄悄重定向时，调用方无需任何修改，因此迁移风险和业务中断的可能性都会降低。

在保修系统的例子里，外观层可以这样工作：原本直接进入遗留系统的 `POST /claims/classify` 请求，现在先经过外观层。

外观层读取一个功能开关。对一组试点分支，它把请求发往 AI 服务，数据先经过 `to_domain`。其他分支照旧运行。

一旦出问题，关掉开关即可，无需重新部署。

Microsoft 建议在整个绞杀者迁移期间都运行 ACL，用来管理新旧系统之间的依赖。没有这层适配，交叉依赖可能弄坏组件，或者迫使新系统沿用旧约定。两种模式相互配合：外观层决定请求去哪里，请求走向新系统时由 ACL 负责翻译。

## 向客户做出任何承诺之前，该问什么？

绞杀者模式有前提条件。Microsoft 指出，如果无法拦截请求，或者拿不到遗留系统的源代码，这个模式就不太适用。要下线已迁移的功能、重定向内部调用，你必须能改动旧代码。

所以在第一周，向客户问两个问题：请求从哪里进入系统？源代码在谁手里？

如果答案是“所有逻辑都在存储过程里，没人敢动”，你仍有办法。Microsoft 建议使用触发器或变更数据捕获（CDC），让数据库自己向新服务发送事件，应用代码无需任何改动。

比如，保修表每新增一行，CDC 就把一个事件推送到队列。AI 服务通过 ACL 取到事件，把建议结果写入一张单独的表。遗留系统照常运行、毫发无损，而你在申请重定向请求之前，就有了真实数据来证明新服务可靠。

## 最常见的错误

第一个错误是忘了每加一层都有代价。Microsoft 指出，ACL 会增加两个系统之间的调用延迟，还多了一个需要运维的服务。如果 Agent 每次调用模型已经要花好几秒，就要在客户察觉之前测出翻译层额外增加了多少延迟。

第二个是让外观层成为瓶颈。Microsoft 提醒，外观层不能成为单点故障或性能瓶颈。AWS 指出 ACL 同样可能出故障，因此需要重试和熔断器。AI 服务变慢时，熔断器应该把请求送回遗留系统，而不是让用户干等。

第三个是缺乏可观测性。一张保修工单被分错类时，你需要沿着外观层、ACL 和模型一路追踪。因此从第一天起，每个请求都应携带关联 ID，日志也应结构化。

最后一个是把临时层当成永久层。AWS 建议，如果 ACL 只是过渡方案，就把它记为技术债，等所有调用方都迁移完毕后移除。

如果到那时你已不在项目上，就把移除 ACL 的条件写进交接文档，让客户团队知道何时可以删掉它。

## 如何在简历上体现这项能力？

为 FDE 岗位写简历时，按这个顺序描述你的遗留系统经验：旧系统是什么，在哪里拦截请求，哪个功能最先迁移，出问题时如何立即回退。

“在带功能开关的外观层之后，把分类功能逐步迁到新服务，调用方零改动”这样一句话，远比“熟悉微服务”有说服力。

如果你还没做过，可以给自己布置一个练习：找一个老的 CRUD 应用，在前面放一个代理，再配上 ACL，把其中一个端点迁到新服务。

客户不需要听你说他们的系统有多老。他们需要的是一份方案：让 AI 一块一块地接进来，并且随时可以撤出。

**本周动手试试:**

- 在你正在处理的遗留系统里挑一张表。列出所有使用缩写代码或格式怪异的字段，然后编写一个 to_domain 函数，并为每个代码写一个测试。
- 书面回答两个问题：在哪个位置可以拦截进入遗留系统的请求？它的源代码由哪个团队掌握？
- 把 ACL 加入项目的技术债清单，并写明移除它的具体条件。

## 信源

- [Anti-Corruption Layer Pattern - Azure Architecture Center | Microsoft Learn](https://learn.microsoft.com/en-us/azure/architecture/patterns/anti-corruption-layer)

- [Strangler Fig Pattern - Azure Architecture Center | Microsoft Learn](https://learn.microsoft.com/en-us/azure/architecture/patterns/strangler-fig)

- [Strangler Fig](https://martinfowler.com/bliki/StranglerFigApplication.html)

- [Anti-corruption layer pattern - AWS Prescriptive Guidance](https://docs.aws.amazon.com/prescriptive-guidance/latest/cloud-design-patterns/acl.html)
