使用 Hopper 实现大型机运维现代化：面向 z/OS 的智能体接口

大型机仍然是全球金融和保险业的中流砥柱，但用于管理它们的运维工具往往已有数十年历史。对于许多开发者而言，与 z/OS 环境交互需要应对复杂的文本界面，并掌握与 Job Control Language (JCL) 和 System Display and Search Facility (SDSF) 相关的陡峭学习曲线。

由 Hypercubic 开发的 Hopper 旨在通过引入首个面向大型机的智能体开发环境来弥补这一差距。通过在传统大型机运维之上叠加 AI 智能体，Hopper 将体验从手动终端导航转变为提示词驱动的工作流，从而有可能加速遗留系统的现代化进程。

大型机开发中的智能体转型

传统上，大型机开发涉及大量的重复性手动工作。开发者必须编写 JCL 来提交作业，监控 Spool 以获取返回码，并手动筛选系统日志以查找故障原因。Hopper 通过能够执行 z/OS 内复杂操作的 AI 智能体取代了这些重复性任务。

精简构建-测试-交付周期

大型机运维中最显著的痛点之一是代码的编译和部署过程。Hopper 允许开发者“通过一个提示词完成编译、测试和交付”。智能体负责处理以下繁重工作：

• 驱动 JCL：自动生成并提交必要的 Job Control Language 脚本。
• 解析返回码：监控 JES (Job Entry Subsystem) 返回码以确保过程成功。
• 执行 NEWCOPY：执行向 CICS (Customer Information Control System) 的滚动部署，使更改生效。

至关重要的是，该系统采用了“人机协同 (human-in-the-loop)”的方法，在每次更改之前都会暂停以等待用户批准，从而确保 AI 不会对生产环境进行未经授权或破坏性的修改。

智能调试与分诊

在大型机上进行调试是出了名的困难，通常需要花费数小时在 SDSF 日志中搜索。Hopper 引入了 @-tag 系统以实现快速诊断。通过标记一个特定的作业（例如 @JOB01945），智能体可以自动解码 JESMSGLG、JESYSMSG 和 SYSUDUMP 文件。随后，它会呈现出准确的 abend 代码、失败的步骤以及错误的源码行，将分诊时间从数小时缩短至数秒。

平衡创新与风险

虽然 AI 驱动的大型机运维前景诱人，但将 LLM 引入关键基础设施引发了业界合理的担忧。

安全与知识产权

对于依赖大型机的机构而言，数据隐私是首要关注的问题。正如社区讨论中所提到的，许多高质量的 COBOL 代码库是专有的。Hypercubic 通过提供企业级方案来解决这一问题，该方案明确保证模型不会在用户数据上进行训练，并提供本地部署/VPC 部署选项，以确保敏感的知识产权保留在机构的防火墙内。

“狐狸进鸡舍”的困境

一些批评者认为，将 LLM 引入稳定、遗留系统中的风险过高。正如一位用户所指出的：

“如果它没坏，就不要去修它。所以让一个 LLM 在大型机上横冲直撞，就像是让狐狸进鸡舍。”

然而，其他人则认为，即使 AI 不能立即被信任去编写生产级别的金融服务代码，它对于为遗留 COBOL 生成全面的测试套件也具有不可估量的价值——由于缺乏文档，这在遗留系统中通常是一个被忽视的任务。

灵活性与遗留支持

Hopper 并不寻求完全取代传统的大型机体验。它提供了一个完整的 TN3270 终端模拟器，支持 PF、PA 和 attention keys，允许开发者在智能体接口和手动模式之间随时切换。这确保了经验丰富的大型机运维人员可以维持其现有的工作流，同时让新开发者能够更快地上手。

结论

Hopper 代表了一种向着让大型机对习惯于现代 IDE 和 AI 辅助编程的一代开发者更加易用的转型。通过自动化 JCL 和 SDSF 分诊中枯燥乏味的部分，Hypercubic 正在尝试在无需对遗留代码本身进行重写的情况下，实现大型机运维层的现代化。