✓ Sopravvissuta 1ª su 17 proposteVenture DevTools 21 ott 2026

Piattaforma di porting AI verificato per codebase legacy

Port di codice generati da modelli frontier (COBOL, Java, TS, Python) consegnati con prove di equivalenza comportamentale verificate meccanicamente, invece che affidarsi all'intuizione.

Apri la discussione ↗

Un brief pronto da incollare in Claude Code, Cursor o qualsiasi agente di programmazione (in inglese).

I want to build a venture-scale product. Help me plan and start the MVP.

Product: Verified AI Porting Platform for Legacy Codebases
What it is: Frontier-model code ports (COBOL, Java, TS, Python) shipped with machine-checked behavioral equivalence proofs instead of vibes.
Who pays: VP Engineering / Head of Platform Modernization at enterprises with large legacy codebases (banks, insurers, SaaS with 1M+ LOC); $150k–$1M migration budgets that today go to consultancies.
Closest alternatives: Mechanical Orchard (COBOL modernization, services-heavy), Moderne / OpenRewrite (rule-based automated refactoring, not model-driven ports), Sourcegraph Batch Changes (large-scale edits, no equivalence verification), In-house agent + senior-reviewer time
The gap: Existing players either do deterministic rule-based refactors or sell human consulting hours; none productize automated differential/conformance evidence that a model-generated port is behaviorally equivalent to the original, which is exactly the trust gap egonschiele describes.
Why now: In the last 12 months frontier models crossed the threshold where full compiler-scale ports complete in days (this article is the proof case), so the bottleneck in every migration has shifted from writing code to trusting it.
Moat to build toward: Compounding corpus of language-pair conformance test suites, semantic-diff techniques, and equivalence-failure data from every engagement — each port makes the next one faster and safer; switching means losing the accumulated certification history.
Biggest risk: Behavioral equivalence testing turns out to be as hard as the port itself for stateful, side-effecting enterprise systems, and buyers default to established consultancies regardless of cost.

First three steps:
1. Pick one language pair (e.g., Java 8 monoliths to modern Java/Kotlin or Python 2-era services to Python 3) and build a differential test harness that auto-generates behavioral equivalence tests from the source system's traces and types
2. Run 2–3 paid pilot migrations with a human-in-the-loop agent pipeline, publishing an 'equivalence report' as the deliverable
3. Productize the report + regression harness as a standalone verification offering that plugs into any team's own agent workflow

Start by asking me up to five questions about constraints (stack, budget, timeline), then propose the smallest version a paying customer would use, and scaffold it.

Totale6.5/10

Problema7

Disponibilità a pagare7

Tempismo7

Vuoto di mercato6

Fossato6

Fattibilità5

A favore

Chi paga

VP Engineering / Head of Platform Modernization di aziende con grandi codebase legacy (banche, assicurazioni, SaaS con oltre 1M di LOC); budget di migrazione da 150k a 1M di dollari che oggi finiscono nelle società di consulenza.

Cosa ha detto la gente · 5

I modelli frontier oggi sanno fare port di linguaggi su larga scala in pochi giorni, e l'ecosistema ha già 'slopfork', port fedeli e varianti riarchitettate di TypeScript: la fedeltà è il vero elemento differenziante. Dall'articolo ↗
Un utente intensivo di agenti di coding revisiona ancora manualmente l'output dell'AI, perché gli agenti prendono decisioni architetturali poco solide, e segnala che le codebase grandi superano gli strumenti esistenti. Leggi il commento ↗
Esistono già tre port TypeScript indipendenti assistiti dall'AI (tsrs, tsgo-rs, bun check), a conferma di una domanda di porting frammentata. Leggi il commento ↗
Un commentatore si chiede se lo stesso approccio di port con AI sia stato provato per CPython, segno di interesse oltre TypeScript. Leggi il commento ↗
Uno sviluppatore solista ha portato TypeScript su C# con l'AI spendendo circa 75 dollari: il costo del porting è crollato, ma senza alcuna garanzia di correttezza. Leggi il commento ↗

Parafrasato dalla discussione. Segui i link per i commenti originali.

Concorrenti e lacuna

Mechanical Orchard (COBOL modernization, services-heavy)Moderne / OpenRewrite (rule-based automated refactoring, not model-driven ports)Sourcegraph Batch Changes (large-scale edits, no equivalence verification)In-house agent + senior-reviewer time

I player esistenti fanno refactor deterministici basati su regole oppure vendono ore di consulenza umana; nessuno productizza le evidenze automatiche di equivalenza differenziale/conformance che attestano che un port generato da un modello si comporta come l'originale, ed è esattamente il gap di fiducia che egonschiele descrive.

Perché ora

Negli ultimi 12 mesi i modelli frontier hanno superato la soglia in cui port di scala compilatore si completano in giorni (questo articolo ne è la prova), quindi il collo di bottiglia di ogni migrazione è passato dallo scrivere il codice al fidarsi di esso.

Fossato · 6/10

Un corpus che cresce nel tempo di suite di test di conformance per coppie di linguaggi, tecniche di semantic diff e dati sui fallimenti di equivalenza raccolti da ogni progetto: ogni port rende il successivo più veloce e sicuro; cambiare fornitore significa perdere lo storico accumulato delle certificazioni.

Contro

Red team: Il crollo dei costi di porting dovuto ai modelli frontier fa davvero spostare il collo di bottiglia sulla fiducia, le aziende spendono già da 150k a 1M di dollari per migrazione, e nessuna società di consulenza productizza l'equivalenza comportamentale verificata meccanicamente per port generati da modelli al di fuori della nicchia COBOL di Mechanical Orchard.
Cosa la farebbe fallire: Il testing di equivalenza comportamentale si rivela difficile quanto il port stesso per sistemi enterprise stateful con effetti collaterali, e i clienti continuano a preferire le società di consulenza consolidate indipendentemente dal costo.

Partire

I primi tre passi: Scegliere una coppia di linguaggi (ad esempio monoliti Java 8 verso Java/Kotlin moderni, o servizi Python 2 verso Python 3) e costruire un harness di test differenziali che generi automaticamente test di equivalenza comportamentale a partire dalle tracce e dai tipi del sistema sorgente
Eseguire 2-3 migrazioni pilota a pagamento con una pipeline di agenti con human-in-the-loop, consegnando come deliverable un 'report di equivalenza'
Trasformare il report e l'harness di regressione in un'offerta di verifica autonoma, integrabile nel workflow agentico di qualsiasi team
Discussione originale: Tsrs: A Port of TypeScript to Rust ↗ 426 punti209 commentiDalla storiaArticolo collegato

Tradotto dall'inglese. Leggi l'originale

A favore

Contro

Partire

Altro da questo numero