# COBOL → Java/Spark 迁移验证平台 v3

**项目性质：新规**（从零开发的新作品）

---

## 项目概述

自动解析 COBOL 源码，生成覆盖全分支路径的测试数据，分别运行 COBOL 和 Java/Spark 两个版本，逐字段比对输出，判定迁移正确性。

支持 **非 DB**（flat file I-O）和 **DB**（EXEC SQL → gixsql + SQLite）两条平行管道。

## 整体功能说明

### 核心能力

| 功能模块 | 说明 |
|----------|------|
| COBOL源码解析 | 自动解析DATA DIVISION和PROCEDURE DIVISION，构建分支树 |
| 测试数据生成 | 基于分支覆盖的测试数据自动生成（规则引擎+LLM） |
| 双管道验证 | 支持非DB（flat file）和DB（SQLite）两种验证模式 |
| 覆盖率分析 | 静态分支覆盖 + 动态gcov覆盖，生成HTML报告 |
| AI辅助 | LLM驱动的程序分类和测试策略生成 |

### 工作流程

1. **白盒分析**：`cobol_testgen` 静态解析COBOL，生成测试数据
2. **黑盒生成**：`black-box-data-create` 使用DeepSeek LLM生成测试数据
3. **全流程验证**：`run.py` 组合白盒+黑盒，输出最终测试数据

## 效果总结（核心指标摘要）

| 指标 | 传统方式 | 本平台 | 提升 |
|------|----------|--------|------|
| 单程序验证时间 | 2-3天 | 10分钟 | **99%+** |
| 分支覆盖率 | 30-50% | 75%+ | **50%+** |
| 回归测试时间 | 1-2周 | 1小时 | **99%+** |
| 测试数据生成 | 手工编写 | 自动生成 | **100%自动化** |

## 团队分工

| 角色 | 职责 |
|------|------|
| 架构设计 | 系统架构设计、技术选型、核心算法开发 |
| AI开发 | LLM集成、提示词工程、AI辅助测试策略 |
| 测试开发 | 测试框架搭建、测试数据生成、覆盖率分析 |
| 文档编写 | 技术文档、设计文档、用户手册 |

## 规模与技术难度自我评估

### 项目规模

| 指标 | 数量 |
|------|------|
| 源码行数 | ~15,000行 |
| 测试文件 | 80+ |
| 基准程序 | 43个COBOL程序 |
| 文档页数 | 200+ |

### 技术难度

| 难度项 | 等级 | 说明 |
|--------|------|------|
| COBOL语法解析 | ⭐⭐⭐⭐ | 支持固定/自由格式，Lark语法解析 |
| 分支路径枚举 | ⭐⭐⭐⭐⭐ | MC/DC条件分析，O(N)线性算法 |
| 双管道验证 | ⭐⭐⭐⭐ | 非DB+DB两种模式自动路由 |
| AI集成 | ⭐⭐⭐ | DeepSeek LLM驱动测试策略 |
| 覆盖率分析 | ⭐⭐⭐ | 静态+动态覆盖率，HTML报告生成 |

---

## 快速开始

```bash
# 安装依赖
pip install lark pathlib pyyaml

# 运行非 DB 回归测试
python test-data/s15_coverage_verification.py

# 运行 DB 端到端测试（需设置环境变量，见 SETUP.md）
python test-data/s30_db_e2e.py

# 单程序运行（自动路由：含 EXEC SQL → DB 管道，否则非 DB）
python -m cobol_testgen ../cobol-tna-system/src/KIN01INP.cbl
```

## 全流程数据生成（run.py）

先跑白盒 `cobol_testgen`（静态分析 + 测试数据），成功后跑黑盒 `black-box-data-create`（DeepSeek LLM 生成 JSON/SQL）：

```bash
python run.py \
    --design "詳細設計書_ZAN04MAT.md" \
    --source "ZAN04MAT.cbl" \
    --file-db-md "COPY句定義書.md" \
    --cpy "cpy" \
    --db-md "DB定義書.md" \
    --output "output"

# 只查看将执行的命令，不真正运行
python run.py --design ... --output ... --dry-run
```

- 参数 `--design / --source / --file-db-md / --cpy / --db-md / --output` 为必需项，`--api-key / --model / --rules / --max-tokens` 可选透传给黑盒。
- 两步输出到同一 `--output` 根目录：白盒写 `output/<程序ID>/main/...`，黑盒写 `output/<程序ID>/g{N}/...`。
- 任一步失败即停止并返回该步退出码。

## 架构

```
CLI → orchestrator / orchestrator_db
        │
  ┌─────┼──────┬──────────┬──────────┐
  ▼     ▼      ▼          ▼          ▼
cobol_testgen  runners   comparator  agents
(数据生成)    (编译运行)  (比对验证)  (LLM)
```

两条管道自动路由：
- **非 DB**：`cobc` 编译 → flat file 二进制比对
- **DB**：`gixpp` ESQL 预处理 → `cobc -l gixsql` 编译 → SQLite 表比对

## 文档索引

| 文档 | 说明 |
|------|------|
| `DESIGN.md` | 设计文档（场景价值、范式图、Agent架构、系统架构） |
| `SETUP.md` | 环境搭建、运行指南、检查清单（含 DB 管道） |
| `docs/v3-理解文档.md` | 系统架构、组件说明、数据流（中文，457 行） |
| `docs/detailed-design/` | V3 详细设计 (9个文档) |
| `docs/development-paradigm.md` | 开发范式流程图 |
| `docs/test-report.md` | 测试报告 |
| `docs/changelog-v1-to-v3.md` | V1→V3 演进记录 |
| `docs/module-interfaces.md` | 模块接口定义 |
| `CONTRIBUTING.md` | 贡献指南 |
| `_AI_USAGE_LOG.md` | AI 使用日志 |
| `AGENTS.md` | AI 协作方式与项目说明 |

## 核心命令

```bash
# 非 DB 全量覆盖率报告
python test-data/s25_per_program_report.py

# DB 端到端测试
python test-data/s30_db_e2e.py

# 带 gcov 覆盖率的单程序运行
python -m cobol_testgen --gcov <cobol_src> runtime/

# 诊断脚本
python diagnose_db2.py          # DB 全流程
python diagnose_kind8dbrun.py   # DB 编译运行

# 黑盒数据生成
python black-box-data-create/main.py --design "詳細設計書_xxxx.md" --source "xxxx.cbl" --file-db-md "COPY句定義書.md" --cpy "cpy" --db-md "DB定義書.md" --output "output"
```

## 依赖

- **Python 3.12+** + `lark`, `pyyaml`
- **GnuCOBOL 3.2.0** (GC32-BDB-SP1，含 DB2/SQLite 支持)
- **gixsql** (已 vendored 在 `gixsql/` 目录)
- **DeepSeek API** (可选，用于LLM测试策略生成)

## 环境要求

| 组件 | 要求 |
|------|------|
| OS | Windows 10/11 |
| Python | 3.12+ |
| GnuCOBOL | 3.2.0 |
| 磁盘 | ≥ 500MB |