生产使用场景

用于仓库重构的 LLM API

工程团队要从单体应用中拆出计费逻辑,同时保持现有 HTTP 和事件契约稳定。Sol 首先生成影响图:所有者、调用方、数据写入、迁移、测试和回滚点。在影响图获批前不要求写代码。

用于规划多文件重构的代码仓库依赖关系图
用于仓库重构的 LLM API

生产方案

API、主模型与故障切换配置

生产选择推荐配置原因
APIPOST /v1/chat/completions从服务端发送 OpenAI 兼容请求
主模型gpt-5.6-sol仓库级重构依赖跨模块关系推理和多个检查点之间的一致决策,因此使用 Sol。
备用模型gpt-5.6-terraSol 完成方案后,每个边界明确的实施检查点可以交给 Terra。未经审查的架构边界修改不应继续降级模型。
升级模型gpt-5.6-sol只有主路由越过已定义的质量或复杂度边界时才使用
输出契约场景专用文本或补丁先输出获批的影响图,随后每个检查点只输出一个可回滚统一 Diff。
01
业务场景

仓库重构在生产应用中的实际场景

工程团队要从单体应用中拆出计费逻辑,同时保持现有 HTTP 和事件契约稳定。Sol 首先生成影响图:所有者、调用方、数据写入、迁移、测试和回滚点。在影响图获批前不要求写代码。

实施阶段拆成多个小请求。每个请求只修改一个依赖边界、返回补丁,并给出证明兼容性所需的准确命令。

02
应用架构

仓库重构工作流怎样运行

  • 生成并批准影响图。
  • 冻结公共接口和行为基线测试。
  • 每次请求只实施一个依赖边界。
  • 每个补丁后运行兼容性与迁移检查。
  • 发现影响图之外的依赖时停止并重新规划。
03
API 请求

通过 LLMFly AI 调用 gpt-5.6-sol

请求应从服务端发送。请将示例内容和占位工具 Schema 替换为应用中的真实数据与工具。

request.example可复制示例
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."}
    ]
  }'
04
模型选择

为什么主模型选择 gpt-5.6-sol

仓库级重构依赖跨模块关系推理和多个检查点之间的一致决策,因此使用 Sol。

Sol 完成方案后,每个边界明确的实施检查点可以交给 Terra。未经审查的架构边界修改不应继续降级模型。

05
验收

仓库重构的验收条件

指标通过条件
行为保持情况重构前后的行为测试产生等价结果
公共 API 兼容性已记录的公共接口和支持的调用方保持兼容
计划外文件修改每个修改文件都在批准的影响图中,或有记录说明原因
无需人工救援的完成率分阶段重构能到达最终检查点,无需工程师重写方案
06
失败处理

上线前必须处理的失败情况

  • 没有检索策略就发送整个仓库
  • 把重构与功能开发混在一起
  • 跳过中间测试
  • 只用 Diff 大小判断质量
07
输出

返回结果与运行记录

先输出获批的影响图,随后每个检查点只输出一个可回滚统一 Diff。

每次生产运行都应记录模型 ID、Request ID、Token 用量、重试、验证结果和最终处理状态。

常见问题

应该发送多少仓库上下文?

先发送架构图和受影响文件,再根据计划检索依赖。

如何评估大型重构?

在每个检查点核对行为、兼容性、边界、测试和计划外修改。

一次请求应该完成整个重构吗?

更适合采用分阶段、可回滚的修改,并在阶段之间验证。

使用你的真实输入测试这套方案

让主模型和备用模型使用相同请求、工具和验证规则。

比较模型