知識が失われていく
業務ルールは手続き部以外のどこにも書かれてきませんでした。書いた本人が退職すれば、ルールは誰も触れないコードとしてだけ残ります。
2つのエンジン、1つの計測されたハーネス
Tinh Van Japan のプロダクト
Polyglotは言語を問わずドキュメント化し、MainframeはCOBOLを業務ルールと業務フローに変換します。どちらもコードの背後のグラフを描き、書いた内容に答えます。
課題
レガシーコードが問題になるのは、古いからではありません。「何をしているか」を完全に説明できるものがソースコードしかなく、そのソースを読める人がいなくなっていくからです。
業務ルールは手続き部以外のどこにも書かれてきませんでした。書いた本人が退職すれば、ルールは誰も触れないコードとしてだけ残ります。
コピーブック、CALLの連鎖、レコードレイアウトが索引もないまま数百ファイルに散らばっています。「このレコードを書いているのは誰か」を答えるには、全部読むしかありません。
密結合したリポジトリには、移行の自然な境界がありません。共有コピーブックと、ごく少数のユーティリティCALL先が、すべてのプログラムを互いに結びつけています。
アセスメント、依存関係の追跡、技術ドキュメント作成は、一度読んで一度書くだけの作業です。しかもコードが変わるたびに、そのすべてをやり直すことになります。
ハーネス
両エンジンは同一のオーケストレーション基盤(ハーネス)の上で動作します。ジョブストア、リアルタイムのイベントストリーム、共有のLLMキャッシュ、そして厳格なバジェット制御。そして、どちらのエンジンも1つのモデルに任せきりにはしません。役割ごとのエージェントが単一の観点で読み、成果物を次へ引き渡します。
レガシーコード、ドキュメントなし、知識は人の頭の中
クロール・分析・検証・執筆。すべて計測されたハーネスの上で
2つのエンジンのいずれかへ
技術ドキュメント or BA:図表付きの構造化Markdown
文書に質問。コーディングエージェントやSDLCへ供給
Polyglot Engineでは、生成前に出力標準を選択します。技術ドキュメントはエンジニア向けのアーキテクチャリファレンスを、ビジネス分析(BA)は概要・業務フロー・機能要件・ユースケース・ビジネスルール・用語集を備えたBA文書を生成します。
堅牢化・バージョン管理された生成スキルが、固定の出力スキーマと検証・修復(Mermaid図の自動サニタイズを含む)に基づいて全工程を駆動します。同じ入力なら、実行ごと・モデルごとに一貫した結果が得られ、プロンプトのノウハウが個人に閉じ込められることがありません。
スマートな除外ルールで node_modules・ロックファイル・ミニファイされたバンドル・バイナリ・一時ファイルを除外し、.gitignore も尊重します。ファイル数・バイト数のバジェットにより意味のあるソースだけをContext Windowに取り込み、実リポジトリでのContext Window超過を直接防ぎます。
依存関係の解析だけを担当するエージェントは業務ルールに気を取られず、その逆も同様です。
エージェントごとに成果物を出力するため、結論の根拠をたどることができます。
大量のスキャンは低コストのエージェントが担い、高性能モデルは推論が必要な工程だけに使用します。
エンジン
2つのエンジン、1つのプロダクト。それぞれ固定構成のエージェント群が、単一の観点でコードベースを読み、結果を次へ引き渡します。下でエンジンを選ぶか、その下の比較表を読んでください。
あらゆる言語、あらゆるドキュメント要件に
言語を問わずZIPをアップロードし、出力標準を選択します。6つのエージェントが、章立てされた文書セットと、その内容から回答するチャットアシスタントを構築します。
COBOLリバースエンジニアリングと移行コンポーネント
COBOLプログラムとコピーブックをアップロードすると、5つのエージェントが、これまで文書化されてこなかった業務ロジック・業務ルール・業務フロー・依存関係・移行単位を復元します。
エンジンの選択
両エンジンとも同じハーネスの上で動き、質問できるドキュメントに行き着きます。違いは、どこまで深く読むか、そして何を読むために作られたかです。
横にスクロールすると全体が見えます
グラフ
どちらのエンジンも、文章と同時にグラフを出力します。依存関係グラフ、業務フローとプログラムフロー、移行コンポーネント、実行トレース、そして描画される図です。形はソースの解析から生まれ、その周りの言葉をモデルが書きます。だからこそ、ここでのグラフはモダナイゼーション計画の土台にできます。
プログラム、コピーブック、データファイルを一つの階層グラフに並べます。各エッジには生成元の命令(CALL、COPY、OPEN、READ、WRITE、CLOSE)が付き、ノードは種別ごとの色を保ちます。方向は左右と上下で切り替えられ、種別や関係で絞り込め、SVG または PNG に書き出せます。
グラフから AI-DLC へ
AI-DLC は TVJ の AI 駆動開発ライフサイクルです。チーム全員が同じものを指し示せる対象が必要で、文章はその役目を果たしません。これらのグラフがその対象です。何が存在し、何が何に依存し、次にどこまでなら安全に着手できるかを示すため、AI 支援のリライトを、要約ではなくシステムの実際の形から始められます。
AI-DLC を詳しく見る01
依存関係グラフとフローを開きます。ファイルの集まりが、ハブ・クラスタ・受け渡しを持つ一つのシステムになり、議論がファイル名の話から離れます。
02
分割を読みます。外に出るエッジが少ないコンポーネントは、1チームで担える単位です。すべてと強く結び付いたコンポーネントは、見積もる前に読むべき警告です。
03
移行先コードを書くエージェントには、リポジトリ全体ではなく、1コンポーネントのプログラムフローと業務ルールを渡します。グラフがそのままスコープの定義になります。
04
結果をトレースと出典で確認します。回答には参照したレポート名が付き、呼び出しはすべてディスクに残り、構造はモデルの記憶ではなく解析から得られています。
ノード、エッジ、段落、判断、コンポーネントは、いずれもソースに対する決定的な抽出から生まれます。COPY・CALL・ファイル入出力の正規表現による事実抽出、段落グラフのための構文解析、分割のための連結成分とラベル伝播です。モデルは、そこにあるものを言葉にするだけで、形をつくり出しません。これが精度の根拠です。
どのグラフも実行がすでに書き出した成果物なので、絞り込み、フォーカス、レイアウト変更、書き出しはすべて手元の操作で、背後にモデルはいません。同じ実行を繰り返せば、キャッシュされた呼び出しが再生され、もう一度支払う必要はありません。
製品ツアー
1つの実行を5つのビューで見ます。質問すると出典付きで回答が返り、依存関係グラフを開き、業務フローをたどり、実行が実際に読んだソースを確認し、エージェントの呼び出しをすべて再生できます。
実行
処理パイプライン
両エンジンとも、同じハーネスの上で5つのステージを実行します。エンジンを選ぶと、そのチェーンをたどれます。一覧は画面に入ると自動で進み、操作するとその場で止まります。
出力
実際の出力からの抜粋です。Polyglot Engineは選んだ標準に沿って目次と番号付きの章を書き出します。Mainframe Engineは相互リンクされたレポート一式と、機械可読な依存関係マップ、そして業務フローを出力します。
Polyglot Engineは2つの標準のいずれかで生成します。事前に選択することで、対象読者に合わせて構造・深さ・図表を最適化します。
エンジニア向けリファレンス:システム概要、アーキテクチャ、技術スタック、データモデル、詳細機能仕様。Mermaid図はテキストとして含まれます。
ステークホルダー向けBA文書:概要、業務フロー、機能要件、ユースケース、ビジネスルール、用語集。
The API gateway routes every request to the order service, which authorises payment through an external gateway and persists the order through the repository layer.
あらゆる言語、あらゆるドキュメント要件に
成果物
Mermaid図を含むMarkdownの章立て文書、ダウンロード用ZIP、生成された文書から回答するチャットアシスタント。
COBOLリバースエンジニアリングと移行コンポーネント
成果物
業務・技術ドキュメント、business-flows.json、dependency-map.json、移行コンポーネント、そして実行トレース一式(すべてのイベント・プロンプト・応答)。
信頼度
エンジンは人より速く、そして一定の質で読み続けます。リポジトリの途中で疲れることもありません。それでも最後の判断者ではありません。どこが強く、どこで確認が要り、どこは人が署名するのかを示します。
相対的な工数であり、実測値ではありません。実際に要する量は、リポジトリ・モデル・要求する深さによって変わります。
AI支援の解析は最初の一巡であり、結論ではありません。エンジニアは、白紙のリポジトリを読むかわりに、記述されたシステムを相手に議論を始められます。すべての成果物は、移行やモダナイゼーションの判断に使う前にレビューされます。
主な機能
両エンジンが共有するハーネスから受け取るもの。
両エンジンとも OpenRouter 経由で Claude・Gemini・GPT・Grok・DeepSeek をはじめ、カタログにあるあらゆるモデルを利用できます。設定画面から OpenAI 互換のエンドポイント(自社ゲートウェイ、LiteLLM、vLLM、Ollama)に切り替えることもできます。既定モデルはエンジンごとに設定でき、実行ごとの上書きも可能です。
バージョン管理された生成スキルが、固定の出力スキーマに沿って各実行を駆動します。セクションごとに検証と修復を行うため、同じ入力なら実行やモデルが変わっても同じ形のドキュメントになります。
Mermaid と PlantUML はテキストとして生成され、描画の前にサニタイズされます。ドキュメントでもチャットの回答でも同じ扱いです。どの図も、絵としてもソースとしても読め、どちらの形でもコピーできます。
ドキュメントは英語・日本語・ベトナム語で生成されます。チャットは質問した言語で回答します。訳されるのはラベルではなく中身です。
ステージ・ファイル・チャンク・モデル呼び出しは、ジョブの実行中にそのまま流れてきます。同じ実行をエージェントのレーン・シーケンス図・ライブのアーキテクチャマップとして読め、表示の深さもコンパクト/詳細/ディープから選べます。終了後も呼び出しは1件ずつ開けます。送ったプロンプト、返ってきた応答、その間の再試行まで。
成果物は相互リンクされた Markdown の zip としてまとめられ、どのウィキにもそのまま持ち込めます。実行そのものも、全イベントと全呼び出しを含むトレースとして書き出せます。
深掘り
判断のために読む必要はありません。それでもエンジニアは必ず尋ねるので、答えを打ち合わせにせず、ここに置いておきます。各項目は個別に開き、次回の訪問でもその状態を覚えています。
ロードマップ
2つのエンジンの周辺で、すでに着手または計画している4件です。画面を操作して読み取るシミュレーションエンジン、同じ解析深度をより短時間で行う改善、移行先向けの変換インプット、そして変換後の挙動が元と同じであることを示すテスト。
実際の利用者と同じようにアプリケーションを操作し、レガシーな Windows/Windows Server のデスクトップ・Web アプリの画面マップを自動生成します。要件とソースの突き合わせや、ソースが失われ実行モジュールしか残っていない資産のドキュメント復元にも使えます。
1〜2か月目
同じ解析深度をより短時間で。並列度の向上・キャッシュ強化・呼び出し削減。
2か月目
復元した業務ルール・フロー・コンポーネントを、移行先プラットフォーム向けの変換インプットに変換します。
2〜3か月目
復元した業務ルールから単体テストを、再構成したフローと画面マップから自動テストを生成します。変換後の挙動が元と同じであることを示すテスト一式です。
3か月目
時期は目安です。スコープは案件ごとに確定します。
お問い合わせ
言語・稼働年数・おおよそのファイル数など、課題の輪郭をお送りください。エンジンが読み取れる範囲と、初回実行の概算費用をご返信します。
メールをご希望の場合は、こちらへ直接お送りください。
tvj.sale@tinhvan.comリポジトリをアップロードして、モデルを選ぶ。本来あるべきだったドキュメントが、そこにあります。
Tinh Van Japan 株式会社