儲存庫重構用 LLM API

正式應用中的儲存庫重構

開發團隊從單體系統拆出帳務邏輯，同時維持既有 HTTP 與事件介面。 Sol 先整理影響範圍：負責人、呼叫端、資料寫入、遷移、測試與還原點。 影響範圍獲准後，才開始要求程式碼。

接著將實作拆成多個小請求。 每次請求只改一個依賴邊界，產出修補檔，並附上確認相容性的完整指令。

儲存庫重構流程如何運作

• 產生並核准影響範圍。
• 固定公開介面與原始行為測試。
• 每次請求只實作一個依賴邊界。
• 每次修補後都檢查相容性與遷移。
• 出現未列出的依賴時，停止並重新規劃。

透過 LLMFly AI 呼叫 gpt-5.6-sol

從伺服器送出請求，將範例內容與預留工具格式換成應用的資料與工具。

curl https://app.llmfly.ai/v1/chat/completions \
  -H "Authorization: Bearer $LLMFLY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "messages": [
      {"role": "system", "content": "Plan a repository refactor before editing. Preserve the listed public contracts. First return an impact map and reversible checkpoints; do not produce code until a checkpoint is selected."},
      {"role": "user", "content": "Extract billing from the monolith while preserving the attached HTTP and event contracts."}
    ]
  }'

為什麼以 gpt-5.6-sol 為主要模型

整個儲存庫的重構需要掌握跨模組依賴，並在各階段維持一致決策，因此適合用 Sol。

Sol 完成計畫後，用 Terra 執行範圍明確的各階段實作。 未經審查的架構邊界變更，不交給較低階模型。

儲存庫重構驗收檢查

部署前要處理的失敗

• 未檢索必要內容就傳送整個儲存庫
• 把重構與新增功能混在一起
• 跳過各階段測試
• 只用差異檔大小判斷品質

回傳輸出與執行紀錄

先提供核准的影響範圍，再於每個階段提供一份可還原的 unified diff。

每次正式執行記錄模型 ID、請求 ID、token 用量、重試、驗證結果與最終處理。