拥抱应用现代化的未来：Konveyor AI（KAI）详解

Konveyor的主要优势在于其全面的迁移和现代化方法。Konveyor功能的核心是其强大的分析引擎。该引擎执行静态源代码分析，识别可能阻碍应用程序在目标平台上运行的反模式和问题。利用语言服务器协议等社区标准，Konveyor的分析引擎使用旨在帮助各种迁移场景的规则。用户还可以创建自定义规则以满足特定的迁移需求，从而增强Konveyor的灵活性和适应性。

介绍Konveyor AI - “KAI”

Konveyor AI是Konveyor旗下最新进展，利用生成式AI进一步简化应用现代化。Konveyor AI（或Kai）的主要目标是自动化源代码更改，从而改善迁移和现代化工作的经济性。

我们的方法是使用静态代码分析找到源代码中需要转换的区域。‘kai’将迭代分析信息，并与LLMs合作生成代码更改，以解决分析中发现的问题。这种方法不需要对LLMs进行微调，我们通过提示增强LLMs的知识，类似于利用Konveyor内部和来自分析规则的外部数据的RAG方法，帮助LLM构建更好的结果。例如，利用这些分析器-lsp规则（如Java EE到Quarkus规则集）来帮助指导LLM将遗留的Java EE应用程序更新到Quarkus。

项目首席工程师之一John Matthews有一篇很棒的博客文章深入解释了"Kai"。

自带大型语言模型（BYO LLM）

Kai的一个突出特点是其模型无关的方法。与其他解决方案不同，Kai不捆绑任何特定的大型语言模型（LLM）。相反，它扩展了Konveyor以与各种LLMs交互，提供了为每个特定迁移上下文使用最适合模型的灵活性。这种方法确保组织可以优化其迁移策略，而不会被锁定在单一技术中。

实际用例：从Java EE迁移到Quarkus

以下视频中的演示已更改。查看此文章获取安装说明。

简短演示展示了Konveyor AI如何促进从遗留框架（如Java EE）到现代解决方案（如Quarkus）的迁移。该过程从使用Konveyor CLI进行静态代码分析开始，识别代码库中的迁移问题。分析完成后，Konveyor AI介入为识别的问题生成补丁，利用LLMs建议精确的代码更改。

例如，过时的Java EE注解被无缝替换为现代的Jakarta EE对应物，基于JMS的消息驱动bean被转换为JakartaEE注解，以及像EJB这样的遗留技术转变为REST端点。这些更改可以在集成开发环境（IDE）中由开发人员验证，展示了Konveyor AI如何集成到现有的开发人员工作流程中。Konveyor AI通过使用KAI扩展来实现这一点。

要观看详细演示和演示，请观看OpenShift commons的这一集，其中Ramón和我详细介绍了细节。

为什么以及如何使用Konveyor AI？

“Kai"的力量在于其自动化重复迁移任务的能力，利用先前迁移积累的知识。通过专注于代码转换而不是架构更改，Kai提供了一个强大的工具，可以高效地现代化应用程序。它使开发人员能够做出明智的决策，实现向现代框架和云原生环境的更平滑过渡。

要尝试最新版本，请查看这里的说明。

通过邮件列表、Slack频道和定期会议参与Konveyor社区。