IBM Bob 升级：多智能体编排、Bobalytics 成本追踪与预置的遗留系统现代化工作流

2026 年 7 月 9 日，IBM 发布了 IBM Bob 的重大更新：多智能体能力、名为 Bobalytics 的内置 AI 成本与用量分析，以及面向 IBM Z、IBM i 与 Java 环境现代化的预置 Premium Packages。更新背后是一条行业信号——GitLab《2026 AI 责任报告》调研显示，85% 的 DevSecOps 专业人士认为 AI 已把瓶颈从「写代码」转移到「评审与验证代码」。Bob 的定位随之从「更好的编码助手」转向「端到端的智能体开发伙伴」，并强调治理、安全与成本控制。

1. 为什么遗留系统现代化是试金石

当 AI 能批量生成代码后，企业的瓶颈变成评审、验证与治理。遗留系统恰恰是这三者的极端场景：代码缺乏测试、文档稀少、依赖关系复杂，还有几十年积累的领域知识。IBM 认为，结构化的可重复工作流能显著降低 AI 输出的随机性——同样一个任务，不同人、不同跑法结果可能天差地别，而高风险的迁移项目无法承受这种波动。

# Illustrative agent workflow for a modernization pipeline.
# Model the same stages as an IBM Bob Premium Package: inventory,
# analyze, transform, validate, and document.
name: java-modernization
stages:
  - id: inventory
    agent: scanner
    task: map modules, dependencies, and dead code
  - id: analyze
    agent: architect
    task: produce target architecture and risk list
  - id: transform
    agent: coder
    task: rewrite modules with tests, keep behavior parity
  - id: validate
    agent: reviewer
    task: run diff checks, static analysis, and audits
  - id: document
    agent: writer
    task: update docs and handoff notes

2. 多智能体编排：按任务匹配模型

Bob 的新架构不再让一个模型干所有事，而是把模型匹配到任务、跨智能体协调执行。企业在手动挑选模型时往往在成本与性能之间摇摆，结果既不一致又不可预测。Bob 的答案是执行系统层面的优化：扫描、架构分析、代码转换、评审验证由不同专长代理协作完成，把「谁来写」变成「谁适合写什么」。对开发者而言，多智能体不是噱头——它意味着每个环节可以使用更小、更便宜、更擅长的模型，而不是让一个旗舰模型包办一切；编排层负责把各代理的结果拼装成可审计的交付物。

// Multi-agent orchestration: match each task to a specialized
// agent and coordinate execution instead of one model doing all work.
class ModernizationOrchestrator {
  constructor(agents) { this.agents = agents; }

  async run(module) {
    const inventory = await this.agents.scanner.analyze(module);
    const plan = await this.agents.architect.plan(inventory);
    const diff = await this.agents.coder.transform(module, plan);
    const review = await this.agents.reviewer.validate(diff, plan);
    return { diff, review, cost: this.trackCost(module) };
  }

  trackCost(module) {
    // Enterprises need cost per module, not just per prompt.
    return this.agents.coder.meter.totalFor(module.id);
  }
}

3. Bobalytics：把成本与用量放进开发者视野

新发布的 Bobalytics 提供生产力、质量、性能与成本的统一可见性，让企业第一次能以工作流为单位管理 AI 开销，而不是月底看一张笼统的 token 账单。对 FinOps 团队而言，这意味着成本归属、预算告警与模型选择可以写进同一套策略——哪些任务用大模型、哪些用小模型、单次运行预算上限多少，都变成可配置项。

// Bobalytics-style cost and use analytics: model-to-task matching
// plus per-workflow spend visibility. The budget belongs to the
// workflow, so cost does not surprise finance at month end.
const workflowBudget = {
  workflow: 'java-modernization',
  budgetUsd: 5000,
  models: [
    { task: 'analysis', model: 'bob-large', maxUsdPerRun: 40 },
    { task: 'translation', model: 'bob-medium', maxUsdPerRun: 15 },
    { task: 'review', model: 'bob-small', maxUsdPerRun: 8 }
  ],
  alerts: {
    when: 'p90_run_cost_exceeds_budget',
    notify: ['platform-team', 'finops']
  }
};

4. Premium Packages：把 IBM 的领域经验变成工作流

首批三个 Premium Packages 分别面向 IBM Z、IBM i 与 Java 现代化，本质是把 IBM 数十年的大型机与 Java 迁移经验编码成「有观点」的工作流：结构化、可重复、可审计，专为其他工具难以处理的场景设计。客户可以按自身环境定制与扩展，而不是从空白提示词开始摸索迁移步骤。每个 Package 都覆盖从资产盘点、依赖分析、代码转换到验证与文档的完整阶段，并且把 IBM 在合规与审计上的经验直接内置——对受监管行业来说，这比通用编码助手更容易通过采购与安全审查。

5. 客户故事说明什么

两个案例很有代表性：Jack Henry 使用 Bob 加速 RPG 代码库的开发工作流，提升代码质量并深入理解几十年积累的系统知识；Blue Pearl 把原本预计 9 个月、14 名工程师的遗留系统现代化项目在三天内完成。速度之外，Blue Pearl 强调真正重要的是可信任的结果——运营效率、成本优化与可验证产出的组合。对还在观望的团队，这类案例说明的不只是「AI 能写代码」，而是「结构化工作流 + 领域经验」能把高风险迁移压缩到可承受的时间窗口。

// Structured workflows exist so results stay auditable. Record who
// ran what, which model decided, and what evidence was produced.
function emitAuditRecord(run) {
  return {
    runId: run.id,
    timestamp: new Date().toISOString(),
    operator: run.operator,
    modules: run.modules.map((m) => ({
      id: m.id,
      agent: m.agent,
      model: m.model,
      diffSha: m.diffSha,
      review: m.review.status
    })),
    cost: run.cost
  };
}

6. 现在该做什么

第一，先给你风险最高的遗留代码库做盘点与建档——没有文档的源码，任何代理都难以验证改造是否等价。第二，把工作流阶段化：盘点、分析、转换、验证、文档，每个阶段绑定专门的代理与模型档位。第三，为每个工作流设定成本预算与告警，而不是按 prompt 估算。最后，保持人工审计门槛：结构化工作流的意义就在于每次运行都有可追溯的记录。

# Before agents rewrite anything, document what exists.
# A quick inventory pass makes validation far easier later.
import os
import pathlib

def inventory(source_dir):
    rows = []
    for p in pathlib.Path(source_dir).rglob('*.java'):
        rows.append({
            'file': str(p),
            'lines': sum(1 for _ in p.open()),
            'tests': len(list(p.parent.rglob('*Test.java'))),
        })
    return rows

if __name__ == '__main__':
    for row in inventory('src/legacy'):
        print(f"{row['file']}: {row['lines']} lines, {row['tests']} tests")