用 25 美元工具费用升级 3 万行代码：Amazon Transform custom 加速 Xmind 代码改造

一款软件持续迭代近 20 年，沉淀下来的不只有产品能力，还有一套牵动核心业务、不能轻易停下重建的技术系统。

成立于 2006 年的 Xmind 专注于思维导图与头脑风暴软件，产品覆盖桌面端、移动端和Web端，经过多年发展，已形成覆盖个人与企业用户的产品与服务体系。其中，一批早期开发的后端应用始终支撑着用户登录、注册、支付、下单和订阅等关键流程。随着产品不断迭代，这些应用的代码与依赖也在多年维护中逐渐积累，形成了难以回避的技术债。

此前，Xmind 曾用一年多时间逐步解决前端技术债。但后端改造被提上日程时，团队需要面对的是 4 个仍运行在 Python 2 环境中的历史应用。由于 Python 2 已经停止维护，加之历史项目缺少完善的测试用例，以传统人工方式逐行改造不仅预计需要一至两个月，还会占用本就有限的开发资源，并可能因遗漏问题影响关键业务。

为此，Xmind 的长期合作伙伴亚马逊云科技向其推荐了 Amazon Transform custom。该服务利用 AI 自动推进遗留代码的分析、转换与修复，将高度依赖人工的应用升级工作转变为可迭代、可复用的代码现代化流程，为 Xmind 兼顾业务连续性、低人工投入和改造风险可控的架构升级提供了新的思路。经过沟通与评估，Xmind 决定从复杂度适中的核心应用入手，通过真实业务场景验证这一升级路径，并为后续多个历史应用的改造建立参考。

“Amazon Transform custom 能够围绕既定目标持续执行代码转换与迭代修正，这对我们来说意义重大：Xmind 的历史应用运行时间较长、代码规模较大且承载关键业务，升级既需要降低人工负担，也需要保障现有业务的连续运行。Amazon Transform custom 持续回应并完成了升级需求，为后续更多历史应用的改造提供了可行路径。”

——Xmind CTO Frank Shaka 史骥

Amazon Transform custom 并非一次性生成代码，而是需要依据预设的目标和规则，持续执行代码转换与迭代修正。为此，亚马逊云科技解决方案架构师与 Amazon Transform 专家在项目启动阶段到访 Xmind，与其研发团队共同评估应用现状和升级难点，明确了试点范围与协作方式：以约 3 万行代码的登录应用为改造对象，以完成 Python 2 到 Python 3 的转换并保持原有业务逻辑为目标，由 Amazon Transform custom 承担主要的代码分析、转换与循环修正，Xmind 研发团队负责构建、测试和业务验证，亚马逊云科技团队则在实施过程中提供技术支持与问题定位。

约 3 万行历史代码包含复杂的业务逻辑和依赖关系，一次性代码生成难以完整覆盖 Python 版本升级中的各项改造要求。为此，Xmind 首先需要将整体升级目标转化为明确、可执行的改造任务，并让转换过程能够根据实际运行结果持续调整。

携手亚马逊云科技团队，Xmind 围绕 Python 版本、依赖关系、业务逻辑和验证要求，配置了项目改造计划、转换规则与知识库。Amazon Transform custom 据此分析项目结构及代码依赖，建立适配 Python 3 环境的基础代码，并在每轮运行后根据构建和测试反馈继续修正，而不需要研发人员从头逐行改写。针对网络波动造成的任务中断，Amazon Transform custom 的断点续跑能力可以保留已有进度，阶段性报告功能则帮助团队更好地掌握转换进度。

通过这一方式，Xmind 将原本体量较大、难以一次完成的代码升级，拆解为可以持续推进和逐轮收敛的改造过程，为后续测试与业务验证建立了基础。

完成代码转换后，Xmind 着手进行结果验证。由于试点应用开发时间较早，缺少可直接使用的完整测试用例，团队只能临时补充少量测试，尚不足以判断原有业务逻辑是否完全保留，部分依赖和兼容性问题也无法从代码层面直接暴露。

针对测试基础薄弱、运行阶段问题较多的挑战，亚马逊云科技团队协助 Xmind 分析首轮转换结果，并提出补充测试用例、优化验证方式和持续反馈运行错误等建议。在亚马逊云科技团队的支持下，Xmind 一方面持续将构建和运行过程中暴露的错误反馈给 Amazon Transform custom，推动代码迭代修正；另一方面通过逐个接口测试和真实数据验证排查隐藏的兼容性问题，逐步发现并解决了依赖库替换与代码调用不同步、Python 2 与 Python 3 之间字符串和字节类型转换等问题。

经过多轮修正、测试与代码审查，试点应用完成了 Python 3 升级并投入生产运行，在延续原有业务逻辑的同时保障了登录等关键流程的稳定运行。

首个试点应用完成 Python 3 升级并投入生产运行，验证了 Amazon Transform custom 对历史代码进行现代化升级的可行性，并在改造成本、实施周期和方法沉淀三个方面为 Xmind 带来了实际收益：

• 成本降低：Amazon Transform custom 完成首个试点应用约 3 万行代码的转换，工具运行费用仅为 25 美元。
• 周期缩短：据 Xmind 估算，采用传统人工方式完成同等规模的升级需要一至两个月；借助 Amazon Transform custom，试点应用从启动转换到完成主要问题处理仅需两周，其中代码转换步骤数天即可实现。
• 方法沉淀：通过首个应用试点，Xmind 积累了从改造计划配置、自动转换到接口测试、真实数据验证和迭代修正的实践经验，并将相关规则与问题处理方式沉淀至知识库和模板，为后续多个 Python 2 应用升级形成了可复用的改造路径。

“此次试点的成功，树立了我们对未来技术演进的信心。过去进行技术选型时，团队需要投入大量精力评估多年后的改造成本与风险；Amazon Transform custom 让历史代码升级成为一项可以持续推进、逐步验证的工作，使我们能够更加从容地进行技术决策，为产品的长期演进预留更大的空间。”

——Xmind CTO Frank Shaka 史骥

未来，Xmind 将携手亚马逊云科技推进更多传统应用的升级，并在后续项目中利用AI补充测试用例、开展代码转换与业务验证。Xmind 相信，通过持续完善并复用试点沉淀的知识库与改造模板，公司将形成标准化的老旧应用现代化流程，从而将更多精力聚焦于下一代产品创新。