一、为什么这类移植一直很难

先交代背景事实，便于没听过 MilkDrop 的读者理解难度量级：

  • MilkDrop 原本是 Winamp 的可视化插件，跑在 DirectX 上，靠 EEL2 脚本引擎驱动，预设文件 .milk 是 INI 格式
  • projectM 是它的开源兼容实现，改用 OpenGL/GLSL 重写；社区精选预设包规模为 9,795 个（GitHub 上的 projectM 移植项目明确写有 9,795 presets）
  • 围绕这套预设生态有一串移植分支：Butterchurn（WebGL 实现）、BeatDrop、NestDrop、projectM 的 Android TV 版等
  • ANGLE 是 Google 开源的兼容层，把 OpenGL ES 调用转译到平台原生 API（Windows 走 DirectX、Apple 平台走 Metal）；WebGL 2 本身即建立在 GLES 3 之上。.NET 侧的 Vortice 也可经由 ANGLE 对接 DirectX/Skia

于是”搬进 .NET”这条路的技术选择就清楚了：不是把 HLSL 手翻成 GLSL，而是让 GLES3 成为中间层，用 ANGLE 处理平台差异。

真正可怕的地方不在渲染器，而在9,795 个预设。每个预设里是 EEL2 表达式，它们依赖旧实现的求值顺序、边界行为甚至某些历史怪癖。这是典型的”没有规格说明的系统“：唯一的行为定义，就是老代码本身跑出来的样子。

（说明：那篇博客的具体实现细节我们没能打开原文逐条核对，本文只按标题与其公开技术名词展开讨论，结论是洹拓科技自己的经验判断。）

二、”许愿式移植”这个名字很准确

把 AI 用在移植上，实际工作方式是这样的：给模型一段旧实现代码 + 目标语言的上下文，让它”说出你想要的结果”，它返回一份新实现。省事是真的省事——胶水层、解析器骨架、批量语法转换、B 类样板代码，这些占掉移植工作里最大的一块体力活。

但会留下三类问题，而且它们在时间轴上一定出现：

问题类型 表现 为什么危险
静默偏差 编译通过、能跑，但结果与旧实现差一点（浮点求值顺序、整数截断、空值处理） 没有报错，只有效果不同，肉眼最难发现
怪癖复制 模型按”常识”重写，主动”修正”了旧代码里其实被依赖的奇怪行为 上层内容（这里是预设）恰恰围绕怪癖创作
规模化验证缺口 单条测试通过，上万条输入里没有比对手段 移植的正确性主张变成”我们相信它”

第二类在遗留系统里最常见。老代码的”毛病”往往不是 bug，而是接口：别人已经按它写了东西。

三、让 AI 移植能上线的三件配套

我们的经验是：AI 能替代的是写代码，替代不了的是证明写对了。所以移植项目要做的第一件事不是找模型，而是先造出可比对的判据。

1. 差分测试（differential testing），不是单元测试。
同一份输入同时喂给旧实现和新实现，比对输出。图形场景里比对的是渲染帧的像素差（结构相似性或逐通道容差），数据场景里比对的是序列化结果。这才是能覆盖上万预设的手段——单元测试永远写不到那个数量级。

2. 分层对照，先锁住语义再换渲染。
把”求值/解析”和”绘制”分开：EEL2 表达式的求值结果先用数值快照固定，再去对比渲染输出。两段混在一起调，问题永远定位不到是谁的锅。

3. 建一份”怪癖清单”。
把旧实现里那些反常但被依赖的行为显式记录下来（空纹理怎么处理、超范围的归一化值怎么夹、除零走哪条路），作为提示词的一部分喂给模型，同时作为差分用例的来源。没写进文档的怪癖，是移植项目最大的未知负债。

四、这套方法在本地企业更现实的落点

新乡这边找到我们谈”AI 移植”的，绝大多数不是为了跑可视化插件，而是四类需求，套路完全一致：

场景 常见形态 主要风险
桌面老系统现代化 Delphi / VB6 / PowerBuilder → Web 或 .NET 业务规则埋在窗体事件里，无文档
Excel VBA 转 Web 报价、排产、成本核算模型 公式精度与四舍五入规则不一致
老旧框架升级 ThinkPHP/CI 老项目 → Spring Boot 或新 PHP 框架 加密、签名、会话行为差异
数据库迁移 SQL Server → MySQL / 国产库 隐式类型转换、日期边界、排序规则

四类都满足”AI 写很快，验证最难“的结构。我们给这类项目定的交付口径是一句话：先有差分基线，再动代码。具体做法：

  1. 抓一批真实输入（历史单据、样本数据、界面截图）建立输入集
  2. 在旧系统上跑出结果留档，形成基线
  3. AI 按模块生成新实现，每模块跑差分，超容差即失败
  4. 未通过部分人工介入，同时把暴露出的怪癖补进清单

这样做的第二个好处是责任可界定。客户最担心的是”新系统上线后账算错了谁负责”——有差分报告，责任在数据；没有差分报告，责任在口头。

五、洹拓科技的移植类服务

  • 可行性评估：读旧系统，输出”可自动转换 / 需人工 / 无法判定”的比例与工作量估计
  • 差分测试平台搭建：输入采集、基线留档、结果比对与容差配置
  • AI 辅助迁移实施：按模块推进，含提示词与怪癖清单维护
  • 老系统应急维护：在迁移完成前，先做数据备份、权限收紧与运行环境隔离

有 Delphi、VB6、老 PHP 或 VBA 报表要搬的本地企业，可以先带一份样本数据来找我们做一次差分可行性判断。

遗留代码的 AI 移植与差分验证

事实部分（MilkDrop、projectM、ANGLE、预设规模）依据 Wikipedia 与公开项目仓库核对；博客园原文细节未逐条核验，检索时间 2026-10-24。

新乡洹拓科技有限公司，软件开发 · AI模型研发 · 云服务与部署运维。

咨询热线：400-829-9957
地址：河南省新乡市辉县市金城百货四楼

#遗留系统 #代码移植 #ANGLE #图形栈 #AI辅助开发