IBM Bob Premium Package for Z（Bob PP4Z） 將專業的 IBM Z 知識直接帶入 Bob。PP4Z 是建構於 Bob 智能體基礎之上的進階功能，旨在協助大型主機團隊應對更廣泛的開發工作。
PP4Z 專為企業大型主機開發的現實環境而設計：大型應用程式、緊密耦合的系統、難以理解的變數名稱、長期積累的業務邏輯，以及必須安全、一致、具備深度架構意識才能推進的現代化改造工作。
本文說明為何大型主機環境會將通用 AI 程式碼工具推向極限。內容涵蓋結構化中繼資料和資料字典在原始碼擷取之外的價值、模型增強如何將回應錨定於經 IBM 認可的文件，以及 PP4Z 如何將 Bob 的模型驅動推理與確定性 IBM Z 分析和驗證工具相結合。
IBM Z 開發的進階體驗
現代 IBM Z 開發涵蓋了遠超撰寫新程式碼的廣泛活動：理解現有應用程式、追蹤變更在大型系統中的影響傳播、記錄數十年積累的業務邏輯，以及做出既安全又能被合理說明的現代化決策。
PP4Z 正是為支援這種廣度而設計的。它建構於 Bob 的智能體基礎之上，充分運用 Bob 的 skills、子代理和 workflows，並在此之上擴充了 IBM Z 開發所特別需要的能力：對大型互連應用環境的結構化知識、面向 COBOL、PL/I 和組合語言的確定性分析工具，以及根據大型主機團隊工作方式調整的 Z 專用模式。
深入瞭解應用程式的本地及企業中繼資料
一個大型主機應用程式可能由數萬個相互關聯的程式組成，橫跨 COBOL、PL/I 和組合語言，由批次作業排程器協調，並與 Db2、CICS、IMS 等子系統整合。模型無法僅憑情境對整個環境進行推理。在回答問題之前，它需要先判斷哪些程式和關係是相關的。
這正是原始原始碼擷取的瓶頸所在。設想要求通用 AI 找出所有呼叫共用日期處理工具程式的程式（這類常式在大型 COBOL 環境中可能被數十個程式呼叫）。靜態文字搜尋能找到明確的呼叫陳述式，但會遺漏動態呼叫——程式名稱儲存於變數中、執行階段才被解析的情況。同一個查詢執行兩次，模型可能每次選擇不同的搜尋策略，傳回不同的結果。回應看似合理，但並不可靠。
PP4Z 的因應方式是在 AI 推理開始之前建構應用程式的結構化、可查詢表示。本地掃描器直接從工作區填入中繼資料。這些掃描器與 Z Understand 容器中使用的掃描器相同，無需上傳步驟即可使用。中繼資料以模型可精確查詢的形式擷取程式關係、呼叫層次、控制流程、資料流程、SQL 使用狀況、交易定義和資源相依性。
對於企業級分析，團隊可以將 PP4Z 連接至 Z Understand 容器。這使 Bob 能夠存取涵蓋更廣泛應用程式組合的結構化中繼資料，包括開發人員本地工作區以外的關係。開發人員隨後可以向 Bob 提出如下問題：
- 哪些程式呼叫了某個特定的工具程式？
- 哪些程式讀取了某張特定的 SQL 資料表？
- 如果這個欄位的大小發生變化，會影響什麼？
Bob 查詢中繼資料以識別相關程式和關係，再在需要深度分析時檢視對應的原始碼。回應建立於一致、可查詢的應用程式資料之上，而非對原始原始碼檔案的概率性搜尋。
模型增強：彌合 IBM Z 知識落差
大多數 IBM Z 應用程式碼儲存在私有的企業程式碼儲存庫中。通用模型無法存取這些系統的原始碼、慣例或業務情境，也必須在比主流語言和框架少得多的公開範例下運作。
PP4Z 透過模型增強來處理這項問題：精選的 IBM Z 參考資料經過分析並建立索引後，會提供給 Bob 使用，讓涉及 IBM Z 語言和中介軟體的回應以 IBM 文件實際記載的內容為依據。增強層會處理 IBM Z 文件，讓其中的資訊可直接用於回答開發人員提出的特定類型問題，例如呼叫慣例、欄位結構、中介軟體行為和文件記載的邊界案例。通用模型因為對這些環境了解有限，可能會在這些方面出錯，而且錯誤往往難以察覺。
實際差異會在開發人員撰寫或修改與 IBM Z 中介軟體互動的程式碼時顯現。通用模型可能產生語法看似合理、卻違反 IBM 明確定義的嚴格介面契約的程式碼。透過模型增強，PP4Z 在產生回應時會以 IBM 實際規定的內容為依據，而不是僅憑訓練階段對這些環境的有限了解盡力推估。
借助資料字典實現業務感知 AI
每個程式碼庫中都存在變數名稱不清晰的問題，但 IBM Z 應用程式以不同的規模和形式呈現了這一難題。在許多長期運行的 COBOL 應用程式中，業務邏輯與應用程式邏輯緊密交織。含義被編碼進簡短的欄位名稱、copybook 配置以及幾十年來在沒有統一規範下積累的命名慣例中。請看這段 WORKING-STORAGE SECTION：
01 WK10.
10 WK10-QUDISP PICTURE 9(10)
VALUE ZERO.
10 WK10-QUPIL PICTURE 9(3)
VALUE ZERO.
10 WK10-QUDIS PICTURE 9(15)
VALUE ZERO.
10 WK10-QUMYD PICTURE 9(10)
VALUE ZERO.四個數值累加器位於名為 WK10 的群組中。無論是欄位名稱還是 PICTURE 子句，都無法告訴開發人員或模型它們各自代表什麼。沒有額外情境的模型可能會注意到 WK10-QUDISP 和 WK10-QUDIS 都是數值欄位，從 QU 和 DIS 片段推測它們可能與距離有關，並猜測它們用途相似。這個猜測是錯誤的。兩者之間那一個字元的差異，就是全部的故事。
有了 PP4Z 產生的資料字典，區別就一目了然。WK10-QUDIS 是所有飛行員飛行距離的累計總和。它在飛行記錄處理過程中持續遞增，並用於最終的平均值計算。WK10-QUDISP 則是每位飛行員的獨立累加器。它在每位飛行員的處理區塊開始時被重設為零，並與該飛行員的識別資訊一起顯示。一個在每位飛行員處理時重設，另一個從不重設。混淆兩者的說明或影響分析會給出關於程式行為的錯誤答案。
PP4Z 透過靜態分析每個變數在程式中的參與方式來產生這些項目。分析涵蓋控制流程、I/O 操作、計算和資料移動。它不試圖記錄每個欄位，而是識別對程式行為影響最大的變數——那些一旦命名就能讓程式其餘部分變得清晰可讀的變數。資料字典項目可以在本地管理，也可以透過 Z Understand 容器管理，支援批次產生、審查以及跨團隊同步。
文件化、說明與重構
中繼資料、資料字典與模型增強這幾個章節說明了 PP4Z 如何建立對應用程式的整體理解。本節則說明開發人員如何運用這些資訊。
文件化與業務規則擷取能夠大規模地產生持久的應用程式知識。團隊可以為 COBOL、PL/I 和組合語言程式產生結構化文件，涵蓋程式邏輯、資料流程和內嵌的業務規則。可以使用本地掃描器中繼資料進行聚焦範圍的分析，或使用 Z Understand 容器處理整個應用程式。業務規則作為這一過程的組成部分浮現出來，讓技術團隊和現代化利益相關者無需手動追蹤每個段落，就能獲得關於應用程式功能的可讀記錄。
這些程式層級的文件現在可以編譯成一個應用程式檢視——一個包含圖表和交叉參照頁面的結構化網站，涵蓋整個應用程式。單一程式文件回答關於某一程式的問題。應用程式檢視則為團隊和現代化利益相關者提供整個應用程式的全局地圖。
全面說明會採用最符合目前任務需求的觀點——架構師、開發人員或業務人員——來產生詳細的程式說明。PP4Z 會運用應用程式中繼資料、資料字典項目與模型增強層，讓說明以程式的實際行為為依據。
重構利用收集到的情境，在保留功能的同時將現有程式碼重構為模組化、可複用的服務。Refactor COBOL or PL/I program workflow 識別可擷取候選項、映射其相依性並引導完成轉換。這為團隊提供了一條無需完全重寫即可提升可維護性的實用現代化路徑。
整合的開發、品質與除錯能力
開發人員工作流程的某些部分有確定性答案：程式碼是否符合某項規則、特定變數在程式中經過哪條路徑，或者 PERFORM 之後控制權移交到哪裡。PP4Z 透過專用工具處理這些問題。模型在開發人員所要完成目標的情境中解讀由此得出的事實。
在 PP4Z 自訂模式 Z Code 中，Z Code Scan 為 COBOL 和 PL/I 程式提供快速的規則式靜態分析。其 linter 式回饋無需概率推斷即可發現問題。自訂模式 Z Architecture 提供控制流程和資料流程分析，包括執行如何在程式中流轉，以及資料在段落和 copybook 之間流動時如何被轉換。無論問題如何表述，這些工具都能產生一致、可重現的結果。
模型與這些工具的輸出協同運作。它可以在提議的變更情境中解讀掃描結果，或追蹤資料流程以回答關於程式行為的特定問題。確定性分析處理有規則約束的內容，AI 則處理需要判斷力的內容。
PP4Z 還包含 IBM Debug for z/OS 和程式碼涵蓋能力，團隊可以在同一環境中直接從 AI 輔助開發切換到執行層級的驗證。
面向企業特定知識的 Skill Builder
應用程式中繼資料、資料字典、模型增強與確定性分析，共同構成 PP4Z 內建的 IBM Z 基礎。Skill Builder 則讓組織能在此基礎上加入自己的知識。
借助 Skill Builder，團隊可以建立自訂 skills，擷取並應用企業特定知識，例如程式碼撰寫規範、命名慣例、技術模式、業務術語和環境特定指南。這些 skills 協助 Bob 瞭解某一特定組織內部的開發方式，減少通用假設，提升 AI 產生回應的相關性。當 skills 與使用者的請求和程式碼情境相關時，可被自動採用並動態呼叫，直接整合到現有的 PP4Z workflows 中。
融會貫通
規模、語意密度和專有情境使大型主機開發對通用 AI 工具來說頗具挑戰。PP4Z 直接針對各項因素提供解法：以結構化中繼資料處理規模問題，以資料字典呈現業務意義，以模型增強涵蓋 IBM Z 文件，並以確定性工具進行規則式分析。
在這種方法中，AI 推理與確定性知識相互強化。Bob 從結構化中繼資料出發，借助精選文件，並解讀規則式工具的輸出。開發人員在關鍵業務環境中按回應行動之前，可以檢視這些依據。
要開始的話，從團隊一直迴避的一個程式入手——也許是因為其用途不明，或者其業務邏輯多年未被觸及。執行本地掃描器建構其中繼資料，並為關鍵變數產生資料字典。使用說明 workflow 瞭解程式的功能，再執行文件化 workflow 將這些知識儲存至你的工作區。從那裡開始，同一套基礎便可支撐影響分析、重構和品質驗證。團隊從一個現在已經理解了的程式起步。