当 AI 坐上
SAP 顾问的位子

去年冬天，一位在华东某制造企业工作了 20 年的 SAP 顾问老张退休了。他带走的不只是一张工牌——还有整套 ECC 系统中上百支 ABAP 程序的"活地图"：哪段代码曾经在半夜三点修过一个诡异的税码 bug，哪个 RFC 接口连着金税系统的哪一层认证，哪些 Z 表的字段名虽然叫 SGTXT 但实际上存的是发票备注。

这些知识没有写在任何文档里。现在，它们消失了。

老张的故事并非个例。SAP 无处不在——全球超过 77% 的交易收入流经 SAP 系统，财富 500 强中有 87% 在使用。SAP 已宣布 ECC 将于 2027 年终止主流维护。全球数十万家企业必须迁移到 S/4HANA，一个 480 亿美元的迁移市场由此诞生。

为什么 SAP 迁移与一般代码迁移不同

如果你做过 Web 应用的框架升级，你可能会觉得"代码迁移不就那么回事"。但 SAP 迁移是完全不同的物种。你不只是将熟悉的代码更新到更好的模式——你是在逆向工程一套融合了财务、供应链、人力资源和税务合规的复杂业务系统。

AI 正在改变这一切。 但具体能改变到什么程度？光靠想象没用，我们决定用数据来回答。

ABAP-Bench：给 AI 出一张 SAP 顾问资格考试卷

现有的 AI 代码评测基准都帮不上忙。SWE-bench 测 GitHub bug 修复，BigCodeBench 测通用编程，HumanEval 只有算法题。SAP/ABAP 领域在 AI 评测版图上完全是空白。

所以我们自己建了一个。ABAP-Bench——60 道专家出题的 SAP 迁移任务，覆盖 9 个关键维度。每道题满分 20 分，由三层评分引擎独立评判。我们给 AI 出了一张 SAP 顾问的资格考试卷，然后认认真真地批了一遍。

构建 ABAP-Bench

任务设计

每道任务都源自真实的 SAP 迁移项目场景，由领域专家编写。我们不接受泛泛而谈：如果 AI 回答"建议使用 CDS 视图替代 BKPF 表"——零分。你必须说出 I_JournalEntry，字段 BUKRS 映射到 CompanyCode。

测试代码中使用了中文变量名（如 发票号码、含税金额），这在公开代码库中极为罕见——ABAP-Bench 的"防作弊水印"。

三层评分引擎

点击每层了解评分机制：

防止评测"过期"

每季度淘汰 10% 的旧题，替换新题目；任务锚定特定版本的 SAP Note 和法规文件。像高考年年换题，ABAP-Bench 的有效性不会随时间衰减。

工程质量

首次实测：GLM-5

我们选择智谱 GLM-5 作为首个挑战者——智谱 AI 的推理旗舰模型，具备内部思维链推理能力。评测覆盖 SAP 迁移的完整生命周期，温度固定为 0.1 确保可复现。然后，我们安静地等了 145 分钟。

评测结果：61 / 100

第一眼看可能觉得"也就那样"。但深入到具体任务，一幅更生动的画面浮现出来——这种参差，本身就是最有价值的发现。

令人惊喜的时刻

* ECC: N+1 query anti-pattern
SELECT * FROM bkpf INTO TABLE @DATA(lt_bkpf)
  WHERE bukrs = @p_bukrs AND gjahr = @p_gjahr.
LOOP AT lt_bkpf INTO DATA(ls_bkpf).
  SELECT * FROM bseg INTO TABLE @DATA(lt_bseg)
    WHERE bukrs = @ls_bkpf-bukrs
      AND belnr = @ls_bkpf-belnr
      AND gjahr = @ls_bkpf-gjahr.
ENDLOOP.

* GLM-5: CDS View JOIN, single query
SELECT
  j~CompanyCode,
  j~AccountingDocument,
  j~FiscalYear,
  i~AccountingDocumentItem,
  i~GLAccount,
  i~AmountInCompanyCodeCurrency
FROM I_JournalEntry AS j
  INNER JOIN I_JournalEntryItem AS i
    ON j~CompanyCode = i~CompanyCode
   AND j~AccountingDocument = i~AccountingDocument
   AND j~FiscalYear = i~FiscalYear
WHERE j~CompanyCode = @p_bukrs
  AND j~FiscalYear = @p_gjahr
INTO TABLE @DATA(lt_result).

值得关注的局限

人 + AI：SAP 迁移的最优解

结语：这个未来比想象的更近

SAP 迁移停滞多年，本质是经济学问题：理解遗留系统的成本太高了。

AI 正在打破这个成本壁垒。61/100 不是"刚及格"——它是一个信号：AI 在 SAP 领域已经跨过了"玩具"阶段，进入了"可用"的起点。它能写出可编译的 S/4HANA 代码，能找到变量作用域 bug，能给出带具体工具和步骤的迁移风险报告。

它暴露的短板——前沿语法精确度、最深层缺陷捕获——恰恰指明了下一步方向。这些不是根本性障碍，而是随训练数据丰富可以持续改进的能力边界。