Databricks正在其Lakebridge迁移工具包中新增一项基于智能体的代码转换功能，借助Genie Code帮助新客户将数据从竞争对手的数据仓库迁移至基于Databricks SQL构建的湖仓一体平台。
这项名为"智能体代码转换器"的新功能，通过AI子智能体分析源代码、并行转换文件、验证已翻译的SQL，并在迁移项目中对失败部分进行迭代重试，同时允许开发者为企业特定的SQL结构定义可复用的迁移规则。
Lakebridge迁移工具已集成多种转译引擎，包括Databricks于2025年收购的基于模式匹配的BladeBridge技术、基于编译器的Morpheus，以及由大语言模型驱动的Switch转译器。
分析师指出，转译器与新智能体代码转换器之间的核心差异，在于各自的转换执行方式及其对企业的潜在价值。
IT咨询公司Kanerika首席分析官Amit Chandak表示："确定性转译器（如Morpheus）在语法映射方面表现出色，例如日期函数、连接语法以及简单的模式对模式转换。但一旦涉及需要控制流推理的场景，如游标、运行时动态拼接的SQL、以及在T-SQL、Teradata和Oracle中实现方式各异的递归公用表表达式，这类工具就会迅速变得脆弱。"
Chandak补充道："这类问题恰恰集中在遗留代码库中那10%至15%的部分，而在我经历的每一次迁移项目中，这部分内容都占据了绝大多数的人工修复时间。"
Pareekh Consulting首席分析师Pareekh Jain则表示，智能体代码转换更适合处理存储过程、动态SQL、专有函数以及需要上下文理解的复杂业务逻辑。
Jain指出："该功能应能提升首次转换的质量，并减少人工修复工作量，尤其是在迁移中最复杂的部分。"他还补充说，对于CIO而言，这意味着迁移项目的周期更短、成本更低，特别是涉及数千个SQL脚本的大型项目。
不过，Chandak提醒企业不应期望过高，主要原因在于该智能体代码转换功能目前仍处于测试阶段。
他指出，当前测试版将转换任务限制在每批300个文件，这意味着涉及数千个存储过程的迁移仍需多次运行并设置人工检查点。
随该功能一同推出的自定义迁移技能功能，允许开发者将一次性修复方案固化为可复用的转换规则，在一定程度上可弥补上述限制。但Chandak表示，该智能体系统能否持续稳定地发挥作用，仍有待产品成熟后进一步验证。
即便该功能最终兑现承诺，Chandak也进一步指出，企业不应期待它能大幅压缩端到端迁移项目的整体周期。这是因为SQL转换只是整体现代化改造的一个环节，企业仍需完成迁移数据与生产系统的核对、依赖关系的排序，以及在工作负载正式切换前获得业务部门的审批。
Chandak表示："由于Databricks的路线图将数据迁移与核对工作安排在未来阶段，新功能更可能压缩的是SQL重写环节的耗时，而非整体迁移周期。"
在利用AI降低迁移门槛方面，Databricks并非唯一的数据平台厂商。竞争对手Snowflake已推出类似工具SnowCovert，同样借助智能体帮助企业将数据、数据仓库、商业智能报表及代码迁移至Snowflake平台。谷歌云也在其数据库迁移服务中，通过Gemini驱动的模式与代码转换功能，实现了自动化迁移工作流。
Q&A
Q1：Lakebridge智能体代码转换器与传统转译器有什么区别？
A：传统转译器（如Morpheus）擅长处理语法映射，例如日期函数和连接语法，但面对需要控制流推理的动态SQL、游标或递归公用表表达式时容易出错。智能体代码转换器则更适合处理存储过程、动态SQL和复杂业务逻辑，能够理解上下文，提升首次转换质量，减少人工修复工作量。
Q2：Lakebridge智能体代码转换器目前有哪些限制？
A：该功能目前仍处于测试阶段，每批转换任务最多支持300个文件。对于涉及数千个存储过程的大型迁移项目，仍需多次运行并设置人工检查点。此外，SQL转换只是整体迁移的一部分，数据核对、依赖排序和业务审批等工作仍需另行完成。
Q3：除了Databricks，还有哪些平台提供类似的AI辅助迁移工具？
A：Snowflake推出了SnowCovert工具，利用智能体帮助企业将数据、数据仓库、BI报表和代码迁移至其平台。谷歌云则在数据库迁移服务中集成了由Gemini驱动的模式与代码转换功能，同样支持自动化迁移工作流。
