arXiv cs.AI· Mario Corchero, David Williams, Laszlo Kiss Kollar, Haowen Liu, Shivam Bairoliya, Gala Malbasic, Serkan Kirbas, Federica Sarro·· 10 小时前AI 评分44
Bloomberg 如何用 LLM 与确定性规则混合流水线完成企业级代码迁移
Hybrid LLM-Deterministic Pipelines for Enterprise-Scale Code Migration at Bloomberg
AI 导读
Bloomberg 的 Automated Uplift 项目在数千个代码仓库上运行 LLM 辅助迁移流水线，两轮生产活动共生成 2,333 个 PR、完成 729 次成功迁移。
正文 · AI 翻译
摘要：大型组织背负着大量值得做、却很少紧急到能与功能开发相竞争的基础设施迁移任务，因为每项迁移都要为每个代码仓库耗费大量工程时间。本文报告了我们在 Automated Uplift 项目中的工业实践经验，该项目历时数月，在彭博数千个代码仓库中应用了 LLM 辅助的迁移流水线。我们考察了两个不同的生产活动：一个异构的 Python 打包迁移（约 1,900 个候选仓库）和一个统一的 C++ 构建系统迁移（约 6,700 个候选仓库）。这些活动合计产生了 2,333 个拉取请求，最终成功完成 729 次迁移。我们详细介绍了我们的混合架构方案，该方案最大化确定性处理，将 LLM 限制在预先计算好的上下文中进行有界的文件转换，并纳入运行时生产遥测数据（如执行日志和使用轨迹）。我们的研究结果表明，生成迁移反而是较容易的部分；瓶颈在于负责团队审查、测试和部署迁移的成本。当变更能在打开 PR 之前直接在流水线中验证（如 C++ 编译和测试验证），并且当仓库群体足够统一、使得修复能从一个仓库沿用到下一个仓库时，这些成本就会降低。最后，我们将经验和发现提炼为可操作、可迁移的模式，用于构建混合 LLM-确定性流水线并在企业范围内扩展代码迁移
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.05457 [cs.SE] |
| （或本版本的 arXiv:2611.05457v1 [cs.SE]） | |
| https://doi.org/10.48550/arXiv.2611.05457 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Federica Sarro 教授 [查看邮箱]
[v1]
2026年11月3日星期二 18:55:28 UTC（96 KB）
来源：arXiv cs.AI · arxiv.org