AI-Assisted Assessment of Coding Practices in Modern Code Review

现代代码审查是一个过程，即在代码作者提交代码之前，由一个或多个同行对其进行逐步审查。现代代码审查的重要组成部分是验证代码贡献是否符合最佳实践。虽然有些最佳实践可以自动验证，但其他的验证通常留给人工审查员。本文报告了AutoCommenter的开发、部署和评估情况。AutoCommenter是一个由大型语言模型支持的系统，可以自动学习和执行编码最佳实践。我们为四种编程语言（C++、Java、Python和Go）实现了AutoCommenter，并评估了其在大型工业环境中的性能和采用情况。我们的评估表明，一个端到端的系统，用于学习和执行编码最佳实践是可行的，并且对开发人员的工作流程有积极的影响。此外，本文还报告了将这样一个系统部署到数万名开发人员面前所面临的挑战以及相应的教训。

AutoCommenter试图解决现代代码审查中的问题，即如何自动学习和执行编码最佳实践。

AutoCommenter是一个基于大型语言模型的系统，可以自动学习和执行编码最佳实践，从而减轻人工审查的负担。

论文介绍了AutoCommenter的开发、部署和评估情况，包括四种编程语言（C ++、Java、Python和Go）的实现和在大型工业环境中的性能和采用情况。实验结果表明，AutoCommenter可以学习和执行编码最佳实践，并对开发人员的工作流程产生积极影响。

近年来，自动化代码审查和编码最佳实践方面的研究已经有很多。例如，Lint-like工具和静态代码分析器可以检测代码中的错误和潜在问题。还有一些工作使用机器学习技术来学习和执行编码最佳实践。