arXiv cs.AI· Mohammad Baqar·· 2 天前AI 评分22
RAG4Tickets：基于 JIRA 与 GitHub 数据的 RAG 工单解决框架
RAG4Tickets: AI-Powered Ticket Resolution via Retrieval-Augmented Generation on JIRA and GitHub Data
AI 导读
RAG4Tickets 提出一套 RAG 框架，用 Sentence-Transformers 做语义嵌入、FAISS 做向量检索，将历史 JIRA 工单、用户评论与关联 PR 元数据统一索引，再由 LLM 生成有依据、可解释的解决建议。该框架打通 JIRA 与 GitHub 数据，在精确率、召回率、解决时间缩短和开发者接受度等指标上显著提升了解题准确率与知识复用。
正文 · AI 翻译
摘要：现代软件团队经常因知识分散在 JIRA 工单、开发者讨论和 GitHub 拉取请求（PR）中而面临反复出现或相关问题解决延迟的困境。为应对这一挑战，我们提出了一种检索增强生成（RAG）框架，该框架将 Sentence-Transformers 用于语义嵌入与基于 FAISS 的向量搜索相结合，以提供上下文感知的工单解决建议。该方法嵌入历史 JIRA 工单、用户评论和关联的 PR 元数据，以检索语义相似的过往案例，随后由大型语言模型（LLM）将其综合为有依据且可解释的解决建议。该框架贡献了一个连接 JIRA 和 GitHub 数据的统一流水线、一种针对异构软件工件的嵌入与 FAISS 索引策略，以及一个由检索证据引导的解决方案生成模块。使用精确率、召回率、解决时间缩短和开发者接受度指标进行的实验评估表明，所提出的系统显著提高了现代 DevOps 环境中的解决准确性、修复质量和知识复用。
| 评论： | 13 页 |
| 学科： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2510.08667 [cs.SE] |
| （或 arXiv:2510.08667v3 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2510.08667 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Mohammad Baqar [查看电子邮件]
[v1]
2025 年 10 月 9 日星期四 16:33:00 UTC（343 KB）
[v2]
2026 年 2 月 5 日星期四 17:25:30 UTC（326 KB）
[v3]
2026 年 10 月 15 日星期四 14:55:22 UTC（325 KB）
来源：arXiv cs.AI · arxiv.org