这篇文章讨论了COBOL开发者如何看待AI编程对其工作的影响，引发了关于传统编程语言与新兴AI技术关系的讨论，开发者们分享了各自的经验和观点。

文章主要内容重述

标题：COBOL开发者，AI编程如何影响你们的工作？

来源：Hacker News讨论帖（链接）

核心讨论点

1. COBOL与AI编程的现状

   • 许多COBOL开发者认为，AI（如LLMs）在COBOL开发中的表现不如其他现代语言（如Python、Java）。
   • 主要问题包括：
     • 合规性限制：企业通常禁止将代码发送到外部AI工具，而本地模型在受限的虚拟桌面环境（VDI）中运行困难。
     • 格式问题：AI生成的代码常违反COBOL的严格格式要求（如超过72列或嵌套IF语句的句号终止错误）。
     • 业务逻辑复杂性：AI难以理解数十年积累的未文档化业务逻辑细节。

2. AI的实际应用场景

   • 有限辅助：AI可用于生成测试数据或简单任务（如文件布局构造），但复杂逻辑仍需人工编写。
   • 文档搜索：AI能快速解析大型PDF手册，帮助开发者定位晦涩的技术信息，效率高于传统搜索。
   • 代码迁移：部分开发者尝试用AI将旧代码迁移到现代语言（如Java），但结果参差不齐。

3. 开发者对AI的信任度

   • 普遍不信任：由于AI生成的代码常包含错误（如指针泄漏、缓冲区溢出），开发者需花费大量时间审查，甚至可能比手动编写更耗时。
   • 语言差异：AI在Python、JavaScript等流行语言中表现较好，但对COBOL、C、Rust等支持较弱。

4. COBOL的不可替代性

   • 行业粘性：COBOL在金融等领域与数据库深度绑定，且遗留代码库庞大，迁移成本高，短期内不会被取代。
   • 开发者观点：AI更多是辅助工具，而非威胁。理解业务逻辑和系统细节仍需人类经验。

5. 其他观点

   • 技能门槛：有效使用AI需要开发者具备清晰的架构设计和提示工程能力，否则可能生成低质量代码。
   • 未来展望：部分人认为，针对COBOL的定制化AI模型（如企业级微调）可能提升效率，但短期内难以颠覆现状。

代表性评论节选

• alexpham14：
  > AI生成的COBOL代码常需人工修正格式错误，最终耗时超过手动编写。它无法替代对业务逻辑的理解。
• OGWhales：
  > AI在解析文档时很有用，但编写COBOL代码时表现一般，尤其是需要大上下文理解系统时。
• deaddodo：
  > AI在C语言中会生成不安全代码（如缓冲区溢出），需严格审查，信任度低。

总结

AI在COBOL开发中尚未成为主流工具，主要受限于合规性、语言特性和业务逻辑的复杂性。开发者普遍认为，AI更适合辅助文档处理和小型任务，而核心开发仍需人类主导。COBOL因其在关键系统中的深度集成，短期内仍将保持不可替代性。

（注：原文中的导航栏、用户投票等非核心内容已省略，仅保留技术讨论部分。）

总结评论内容：

1. 支持COBOL适合AI生成代码的观点：

• 认为COBOL的英语化语法与LLM处理文本的方式天然契合 "COBOL is a good language for LLM use. It's verbose and English like syntax aligns naturally" (评论1)
• 用AI成功转换过老旧系统 "I've used AI to convert a really old legacy app to something more modern. It works surprisingly well" (评论3)

2. 质疑AI处理COBOL能力的观点：

• 认为AI和人类都不理解COBOL "No humans understand COBOL, no AI understand COBOL" (评论2)
• 担心AI生成代码的质量问题 "I really wouldn't want any vibe-coded COBOL in my bank db/app logic" (评论7)

3. 实际使用体验：

• AI在简单任务上有效但复杂系统有限制 "constructing a file layout...can be a time saver, otherwise I feel it's pretty limited" (评论6)
• 效果不稳定且需要人工验证 "Opus 4.5 is able to debug small errors...but more often than not they end up just being confidently wrong" (评论14)

4. 行业前景分析：

• 认为COBOL不会很快消失 "COBOL wasn't going away anytime soon" (评论4)
• 建议企业投资定制模型 "larger airlines or banks could dump some cash...to produce a custom trained model" (评论12)

5. 技术限制讨论：

• 合规性和本地运行限制 "Compliance is usually the hard stop...local models are too heavy to run" (评论16)
• 训练数据不足的问题 "less public examples of COBOL code to train LLM's on" (评论5)

不同观点保持平衡，既有成功案例也有质疑声音，同时包含实际使用中的具体体验和行业前景分析。