AI评分 一般 (54)AI 中文改写
构建Sashiko代理代码审查系统的经验教训 | 谷歌云博客
1 天前 1 阅读来源:cloud.google.com
AI 中文改写
原文为英文,由 AI 改写为中文报道,内容完整。如需参考原文请点击下方链接
谷歌AI与基础设施团队近日公开了其开源智能代码审查系统Sashiko的构建经验。这个以Gemini为底层模型的系统,专门针对Linux内核补丁的审查难题而设计,目前已被捐赠给Linux基金会。Sashiko的名字取自日语“刺し子”,是一种用针线加固磨损布料的传统缝补技法,团队借此寓意该系统为代码“打补丁、强根基”的作用。
问题的根源在于,大型开源项目的开发速度从来不是被代码生成卡住的,而是被代码审查卡住的。Linux内核横跨超过3500万行代码,每年有超过8.5万处变更合入,支撑着数十亿台安卓手机、绝大多数云服务商和几乎全部超级计算机。尽管编码智能体写代码越来越快,但如果没有办法让维护者对提交的变更建立信任,更多生成的代码只会堆积在那一小群人类维护者面前。更麻烦的是,其中不少是提交者自己都没完全搞懂系统的“AI垃圾代码”,加上大量重复或不准确的AI生成安全报告,维护者的负担只增不减。构建机器人和Syzkaller这类模糊测试工具能抓编译错误和崩溃,但内存泄漏、死锁、竞态条件和安全漏洞这些深层问题,一直靠维护者每天手工阅读成百上千个补丁来把关。
Sashiko的设计正是为了在补丁合入前帮维护者分担这部分压力。团队在复盘中指出,审查复杂代码库中的变更对人和大模型来说都客观困难,往往需要理解变更之外的整个系统运作方式。有些补丁工程师声称完美解决了问题,一旦合入反而引入更隐蔽的严重问题,传统上只有资深维护者才能识别。而基于大模型的审查者有几个独特属性:它们倾向于少花token、走捷径,未经充分调查就驳回疑虑或草率标记误报;它们容易被任务数量影响,给一个相对简单的单一任务(比如专门排查内存泄漏)表现远好于同时处理多个复杂关注点,而且提交日志的文字有时会以不可预测甚至恶意的方式干扰审查结果。但大模型也有一个对人类来说不可思议的优势——没有持久记忆,意味着它可以像对待全新补丁一样反复审查同一补丁,人类审查者不可能把同一补丁应用到100个略有差异的分支上逐一排查不兼容变更,大模型却可以。
这篇文章对你有帮助吗?
觉得有用?分享给更多人
留言 · 0 条
暂无留言,来说两句吧
