CodeAgent: Collaborative Agents for Software Engineering

代码审查是一个高度协作的过程，旨在确保软件的整体质量和可靠性。虽然它提供了巨大的好处，但在组织中实施代码审查面临着几个挑战，这使得自动化变得有吸引力。自动化代码审查工具已经存在一段时间，并且现在由于采用了新颖的AI模型而得到了改进，这些模型可以学习标准实践并系统地检查被审查的代码是否符合这些实践。不幸的是，现有的方法存在一些不足：它们通常针对单个输入输出生成模型，无法模拟代码审查中的协作交互以考虑各种观点；它们在各种关键的代码审查子任务上表现也不够好。在本文中，我们通过引入CodeAgent，一个新颖的基于多智能体系统的代码审查系统，推进了代码审查自动化的技术水平。从根本上讲，CodeAgent由QA-Checker（"Question-Answer Checking"的缩写）引导，QA-Checker是一个监督智能体，专门设计用于确保所有智能体的贡献与初始审查问题保持相关。CodeAgent是自主的、多智能体的和大型语言模型驱动的。为了展示CodeAgent的有效性，我们进行了实验，评估其在各种任务中的能力，包括1）检测代码更改和提交消息之间的不一致性，2）检测提交引入的漏洞，以及3）验证是否符合代码风格。我们的网站可以在\url{https://code-agent-new.vercel.app/index.html}中访问。

自动化代码审查是一个具有挑战性的问题，因为现有的方法无法模拟代码审查中的协作互动，且在关键的代码审查子任务上表现不佳。本文旨在通过引入CodeAgent，一种新的基于多智能体系统的代码审查系统，来提高代码审查自动化的技术水平。

CodeAgent是一个基于QA-Checker的自主、多智能体和大型语言模型驱动的系统，旨在通过协作互动来提高代码审查的质量和可靠性。

CodeAgent在多个任务中展现了良好的性能，包括检测代码更改和提交消息之间的不一致性、检测提交引入的漏洞以及验证代码风格的一致性。作者还提供了一个网站，展示了CodeAgent的功能。

近期的相关研究包括使用机器学习方法进行代码审查和使用自然语言处理技术来分析提交消息的内容。