面向 AI 重构遗留代码的双流量影子测试引擎 消除那 5% 的风险，正是它让企业 CTO 不敢把 AI 现代化改造后的后端部署到生产环境。 🌐 交互式在线云端沙箱：https://shadowdiff-demo.fly.dev（自驱动双流量模拟器已启用） 企业正在积极地把关键业务遗留后端（Java 7/8 的 Spring 单体、Python 2 的 Django、PHP 5.6 后端）借助 AI 代码迁移引擎，现代化改造为云原生服务（Go、TypeScript/Node、FastAPI）。 虽然 AI 能准确生成约 95% 的重构代码，但剩下 5% 的隐藏边界情况，会让生产部署变成一场不可接受的风险： ShadowDiff 是一个高性能网络代理与分析引擎，它会复制真实的预发或生产 HTTP 流量，将完全相同的请求负载同时发送给遗留服务和 AI 重构后的服务。 [ 实时入站流量 ] │ ▼ ┌─────────────────────────────┐ │ Envoy Gateway / Mesh │ │ (request_mirror_policies) │ └──────────────┬──────────────┘ │ ┌───────────────────┴───────────────────┐ ▼ ▼ ┌───────────────────┐ ┌───────────────────┐ │ Legacy Service │ │ ShadowDiff Core │ │ (Target) │ │ (Analysis Engine)│ └─────────┬─────────┘ └─────────┬─────────┘ │ │ │ (Live Response to Client) ▼ │ ┌───────────────────┐ │ │ AI-Refactored │ │ │ Candidate (S) │ │ └─────────┬─────────┘ │ │ └───────────────────┬───────────────────┘ ▼ ┌─────────────────────────────┐ │ 3-Way Diff & SQL Comparator │ │ - P1 ⊕ P2 Noise Filter │ │ - SQL Mutation Interceptor │ │ - N+1 Query Loop Detector │ └──────────────┬──────────────┘ │ (Pure Regressions Isolated) ▼ ┌─────────────────────────────┐ │ Automated AI Test Generator │ │ - Powered by Google Gemini │ │ - Synthesizes Go/Jest Tests │ │ - Root Cause Code Fixes │ └─────────────────────────────┘ 🚀 核心架构能力

1. ⚡ 网络层 Envoy 流量镜像 ShadowDiff 通过 request_mirror_policies 直接与 Envoy Proxy 和 Istio Service Mesh 集成。流量在网络层以线速异步克隆，对应用延迟零开销。 通过评估两个基线实例，自动过滤掉非确定性的运行时噪声（时间戳、UUID、会话 nonce）： $$\mathcal{N} = P_1 \oplus P_2$$ $$\mathcal{D} = (P_1 \oplus S) \setminus \mathcal{N}$$ 只有经过验证的契约回归才会进入开发者的人工排查环节。 捕获并关联两个服务针对每条 HTTP trace 所执行的 SQL 语句： 每一个被隔离出来的边界情况都会由 Google Gemini（gemini-2.0-flash）分析，它会编写一个开箱即用的集成测试（Go httptest 或 Vitest）并诊断出代码修复方案。 通过与 GitHub API 直接集成，免去人工排查： 一个原生部署阻断器，在预发布 soak 测试或集成流水线中评估流量质量：

在 CI/CD 流水线中评估质量门禁：

shadowdiff gate
-dashboard-url=http://localhost:8083
-duration=15s
-min-parity=100.0
-min-requests=50
-max-drifts=0
-allow-n-plus-one=false
-allow-db-drift=false 7. 🛡️ 临时写时复制（CoW）数据库沙箱 可对会产生变更的 HTTP 方法（POST、PUT、DELETE、PATCH）进行安全的影子镜像，而不会污染数据库： 把 ShadowDiff 直接纳入你的自动化部署流水线（.github/workflows/shadowdiff.yml）： name: Dual-Traffic Shadow Gating on: [pull_request, push] jobs: shadow-gate: runs-on: ubuntu-latest steps:

• uses: actions/checkout@v4
• uses: actions/setup-go@v5 with: go-version: '1.22'
• name: Build & Start Services run: | go build -o bin/shadowdiff ./cmd/shadowdiff/main.go ./bin/legacy-service -port=:8081 & ./bin/refactored-service -port=:8082 & ./bin/shadowdiff -proxy-port=:8080 -primary-url=http://localhost:8081 -shadow-url=http://localhost:8082 -sandbox-mode=rollback & sleep 2
• name: Replay Traffic run: | for i in {1..25}; do curl -s "http://localhost:8080/api/users?id=$i" > /dev/null curl -s -X POST "http://localhost:8080/api/orders" -d '{"amount":99.50}' > /dev/null done
• name: Run ShadowDiff Quality Gate run: | ./bin/shadowdiff gate
  -dashboard-url=http://localhost:8083
  -min-parity=100.0
  -min-requests=20
  -allow-n-plus-one=false
  -allow-db-drift=false 🛠️ 基于 Envoy 与 Docker Compose 的快速上手 启动完整的 5 容器 service mesh 测试环境（Envoy Gateway + ShadowDiff + Legacy Target + Twin Replica + AI Candidate）：

1. 克隆仓库

git clone https://github.com/vishalrajofficial/ShadowDiff.git cd ShadowDiff

2. 启动 Envoy Service Mesh 拓扑

docker compose -f docker-compose.envoy.yml up -d 通过 Envoy 发送入站流量（端口 10000）：

向 Envoy Gateway 发送测试流量（会自动镜像到 ShadowDiff）：

curl http://localhost:10000/api/users/1 curl -X POST http://localhost:10000/api/orders 打开 http://localhost:8083 的遥测仪表盘，查看实时的三路 diff、SQL 变更时间线和 Gemini 生成的测试！ 对于运行 Istio 或原生 Envoy 的生产 Kubernetes 集群，部署随附的 EnvoyFilter 即可动态镜像流量： kubectl apply -f deploy/k8s/envoy-shadow-sidecar.yaml 完整的架构说明请见 docs/ARCHITECTURE.md。 本项目基于 MIT License 授权。