arXiv cs.AI· Celal Ziftci, Spencer Greene, Ray Liu, Livio Dalloro, Lorenzo Dini·· 10 天前AI 评分55
Google 部署 FlowAgent：在预提交流程中低延迟自动修复测试失败
Catching Developers in the Flow: Low-Latency Agentic Program Repair at Google Scale
AI 导读
Google 在内部开发者工具 Critique 和 Cider 中部署了 AI 智能体 FlowAgent，用于在持续集成的预提交外循环流程中自动修复测试失败。
正文 · AI 翻译
摘要：手动修复程序故障对软件开发者而言既耗时又具有干扰性，尤其是在提交前阶段，此时测试失败发生在持续集成系统内。尽管自动化程序修复已通过大型语言模型取得了显著进展，但现有的最先进技术主要聚焦于提交后工作流，以离线方式运行，缺乏在开发者切换上下文之前于其工作流中实时协助所需的低延迟要求。
在本文中，我们介绍了 FlowAgent，这是一个部署在 Google 的 AI 代理，用于自动修复持续集成系统内提交前外循环工作流中的测试失败。FlowAgent 集成到 Google 的内部开发者工具 Critique 和 Cider 中，采用 ReAct 风格的生成-验证循环，以及严格的执行前和执行后弃权过滤器，以在严格的延迟约束下确保高质量建议。
基于我们的案例研究，FlowAgent 非常有效。首先，对 195 个真实世界测试失败进行的人工评估显示，其在建议正确修复方面的准确率为 67.18%。在 Google 范围内部署后，FlowAgent 对 295,508 项变更提出了修复建议，其中开发者预览了 65,069 项并应用了 28,554 项。访谈中的开发者反馈表明，该代理在建议正确修复方面很有用，将自主修复代理集成到工业软件工程工作流中得到了良好反响，同时仍存在有趣的挑战和机遇。
| Comments: | 已被第 41 届 IEEE/ACM 国际自动化软件工程会议（ASE 2026）接收 |
| Subjects: | 软件工程（cs.SE）；人工智能（cs.AI） |
| Cite as: | arXiv:2610.07289 [cs.SE] |
| （或 arXiv:2610.07289v1 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07289 arXiv 颁发的 DOI 通过 DataCite（待注册） |
Submission history
来自：Celal Ziftci [查看电子邮件]
[v1]
2026 年 10 月 5 日星期一 19:23:06 UTC（1,551 KB）
来源：arXiv cs.AI · arxiv.org