研究人员开发了 GHA-SmellFix，这是一个 agentic LLM 管道，旨在检测和重构 GitHub Actions 工作流中的“坏味道”。这些“坏味道”会负面影响安全性、可靠性和可维护性。该研究比较了两种管道设计：一种联合方法，其中一个 agent 同时处理检测和重构；另一种是分解方法，为每个任务设置单独的 agent。研究结果表明，分解方法并不总是能提高补丁质量，但在控制何时尝试重构方面是有效的，特别是对于那些在检测“坏味道”方面存在困难的模型。虽然一旦正确识别出“坏味道”，重构通常是有效的，但可靠的检测仍然是整个过程的主要瓶颈。 AI
影响 这项研究通过自动化工作流问题的检测和纠正，有可能提高 CI/CD 管道的可靠性和安全性。
排序理由 学术论文，详细介绍了一种用于软件工程任务的新型 agentic LLM 管道。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
