05 / 05 · 2025.10 — 至今
◯◯株式会社（SES）
在日本以 SES 形式参与遗留系统现代化相关开发：用 ANTLR4 + RAG + MCP 自动生成 COBOL 功能说明书，为某大型电机厂商的部门系统开发人员与组织同步工具，并作为担当者设计 CMD → C# 的“规则 + 生成式 AI”自动转换系统。
- 职位
- 开发工程师（Python）
- 行业
- 受托开发 · 遗留系统现代化（SES）
- 地点
- 日本
- 在职
- 1 年 1 个月
关键成果
1,084 条
CMD → C# 转换所用的外部命令映射表（另有 33 个内建命令、27 种 AST 节点）
约 30 个课
人员组织自动同步工具覆盖的组织规模（4 个部）
4 个
经 MCP 提供给模型的检索工具，用来按需查询 COBOL 变量的业务含义
在这里做的项目
PROJECTS · 32026.04 – 至今 · 担当者（架构设计・核心开发・评审）
遗留批处理（CMD/JCL）→ C# 自动转换系统
将长期运行的 Windows 批处理脚本（CMD，Shift-JIS 编码）迁移为运行在自研批处理框架上的 C# 程序。人工逐本改写工时高、业务逻辑等价性难以保证，因此构建“规则转换 + 生成式 AI 补全”的两阶段自动转换系统，并以“宁可留 TODO，也不静默改变业务逻辑”为设计原则。
- 两阶段架构设计：阶段一用确定性规则完成大部分转换（预处理 → Lark 语法解析 → AST → 规则引擎 → C# 生成）；阶段二仅对规则无法覆盖的 CALL :标签 子程序调用 LLM 生成 C# 方法，把 AI 的使用范围和风险压到最小
- CMD 语法建模：编写并持续扩展约 490 行 Lark（LALR）文法，处理重定向符可出现在任意位置、< > & | 的二义性、%VAR:old=new% 置换、IF/ELSE 的多种括号写法、含日文的标签名等 cmd.exe 的怪癖
- 输入归一化层（8 类预处理）：在不改变语义的前提下统一混杂换行、行尾粘连括号、多行 ELSE、ECHO 元字符、全角空格等“脏数据”，让文法保持简洁
- AST 与规则引擎：27 种自定义 AST 节点；33 个内建命令 + 1,084 条外部命令映射表（区分“作业进程”与“作业流”两种调用模式）；变量展开区分字符串、参数行、整数表达式三种上下文
- LLM 子程序转换与“语义保留”校验：LabelMapper 将 .cs 的 TODO、.cs.ast 的调用节点、.cmd 原文三方对齐；结构 + 业务语义两层校验（ERRORLEVEL、取消分支、错误跳转、状态标志必须保留）；失败时带原因反馈重试最多 7 次，仍失败则保留 TODO 交人工
- 成本与稳定性：以标签块归一化内容的 SHA256 为键做 JSON 缓存；429 / 5xx 指数退避；Chat Completions 不可用时自动降级到 Responses API；temperature=0 保证可复现
- 质量闭环：约 465 个测试用例覆盖文法层与转译层；批量运行产出 .cs.ERR，按“CMD 原文问题 / 文法缺口 / 代码缺陷 / 环境”四类分类，并整理常见错误清单供团队复用
- Python
- Lark (LALR)
- regex
- Azure OpenAI
- C# / .NET
- pytest
- Git
系统架构
2026.01 – 2026.03（3 个月） · Python 同步工具的开发、测试、上线与运维交接（派遣）
部门项目管理系统 · 人员组织自动同步工具
某大型电机厂商的软件技术部门以开源 Redmine 为底座，自建项目管理与状况报告平台（Angular + Go + Redmine）。人员与组织数据来自社内人员目录，而该目录没有可用的对外接口，因此我负责开发同步工具：用 Selenium 爬取成员与组织架构，自动同步为 Redmine 的账号、部 / 课组织与权限组，覆盖 4 个部、约 30 个课。
- 数据源迁移：原人员目录停用后，将爬虫迁移到新站点，适配新页面结构与微软 SSO 登录，并兼容旧的职务标识，下游同步逻辑无需修改
- 用 Selenium（Edge Headless）自动登录并遍历组织树，逐人检索所属与职务；通过 paramiko SFTP 将结果从内网 PC 单向推送到 Azure 服务器
- 同步批处理：新旧数据差分，自动生成并执行 SQL，完成账号开通、停用、再入职解锁及部 / 课 / 职务同步；经 Redmine REST API 同步状况报告权限组，白名单成员不受影响
- 用 SendGrid 实现 3 类异常告警；检测到意外的组织变更时自动中止，SQL 由担当者确认后再执行（两阶段），避免错误数据直接写入本番
- 将分散在代码里的部门映射集中到数据库配置表；按客户方针对应 4 月组织变更，设计并执行覆盖页面、申请流程和权限组的测试用例
- 定位并修复本番问题：重复人员导致的锁定误判、再入职账号缺失、网络波动导致的页面超时、Edge 驱动版本不匹配
- 负责两套本番环境（内网运用 PC + Azure VM）上线：备份、部署、关闭写库试运行核对 SQL，再正式运行；编写运维手顺书（部署、告警说明、排错、组织变更 SOP）并完成交接
- 用 Fortify / FOSSology 对全项目做安全与许可证扫描，修复 JSON 注入、SQL 注入等高危指摘，整理 OSS 许可证清单
- Python
- Selenium
- paramiko
- MySQL / MariaDB
- Redmine REST API
- SendGrid
- Bash
- PowerShell
- Azure VM
系统架构
2025.10 – 2025.12（3 个月） · 方案设计、实现、验证（个人主导）
基于 ANTLR4 + RAG + MCP 的 COBOL 功能说明书自动生成
客户的核心批处理仍运行在几十年前编写的 COBOL 程序上：没有可用的设计文档，TR1-HINSHU 这类缩写变量的业务含义散落在数据库设计手册与术语表中，熟悉 COBOL 的人员也越来越少。目标是输入 COBOL 源码，自动输出业务人员也能读懂的日文功能说明书（Markdown）。设计原则：确定性的事情交给程序（语法、布局、调用关系），模型只负责“赋予含义并写成文字”。
- 模型能力验证与方向调整：对 Gemma-3 4B 做 COBOL 理解基准测试；在 Colab 上尝试 LoRA 微调但受显存所限无法完成。因业务词典随客户变化，转向无需重新训练的 RAG 方案
- 知识库构建：把数据库设计手册、术语表、表 / 文件 / 作业流定义统一为 {key, value}，按“文件 → 记录 → 字段 → 组字段”的层级做语义切分；仅对 key 向量化（multilingual-e5-small）存入 ChromaDB，并在检索前去除 OCCURS 下标、建立别名与层级路径
- COBOL 解析：基于 Cobol85.g4 生成 Python 的 Lexer / Parser / Visitor；预处理 Shift_JIS → UTF-8、去除行号、处理 $SET 等方言指令；把解析树转成面向 LLM 的精简 AST；变量提取器支持 REDEFINES / OCCURS / COMP / 88 级
- 调用层级分析：由 PERFORM 构建调用图，过滤 RTN / EXT 配对中只起出口作用的 EXT 段落，用拓扑排序确定自底向上的分析顺序
- MCP 集成：用 FastMCP 把向量检索封装成 lookup_field / lookup_record / batch_lookup_fields / get_subroutine_summary 四个工具，模型只检索当前用到的变量，避免把几百个变量定义全部塞进上下文
- 生成与提示词调优：逐个子程序抽取输入 / 输出 / 工作变量与被调用子程序，经 MCP 检索定义并带入下层摘要，由 Gemma-3 生成 Markdown；通过约束提示词去掉空项，并要求用业务语言描述而非直译 MOVE 语句
- Python
- ANTLR4
- ChromaDB
- SentenceTransformers
- MCP (FastMCP)
- Gemma-3 4B
- Hugging Face Transformers
- Google Colab
- WSL
系统架构
系统数据流
抽象示意 · 不含内部细节遗留 CMD 脚本
Shift-JIS · 自治体系统
归一化 + Lark 解析
8 类预处理 · 约 490 行文法
▲ 我负责的部分
规则引擎
33 内建 + 1,084 外部映射
▲ 我负责的部分
C# 代码生成
.cs · 未覆盖处留 TODO
LLM 补全 + 两层校验
CALL :标签 · 最多 7 次重试
▲ 我负责的部分
产物
.label.ai.cs · 失败保留 TODO
在这里学到了什么
为了能长期在日本工作，我 2024 年 7 月来日，先在日语学校学习日语并取得 N2，2025 年 11 月退学后以 SES 形式进入日本的开发现场。
三个案件都围绕“让遗留系统更容易被理解和迁移”：COBOL 项目让我体会到 RAG 的质量取决于切分粒度和检索 key 的设计；人员同步工具里，在内网隔离、没有接口的条件下，靠单向推送、两阶段执行和告警来保护本番数据；CMD → C# 转换则确立了一个原则——确定性的事情交给程序，生成式 AI 只负责规则写不动的最小单元，并且每个输出都要过校验，宁可留 TODO，也不静默改变业务逻辑。
TECH STACK
- Python
- Lark
- ANTLR4
- Azure OpenAI
- MCP
- ChromaDB
- Selenium
- C# / .NET
- Redmine REST API
- MySQL / MariaDB
- Azure VM