请注意：这不是你写 Bug 的理由。
调试代码是件很无聊的事，但是由 工程师创建的新型人工智能混合工具—— 可以大大节约工程师的时间，同时还加快了新软件的推出过程。该工具可以为特定 Bug 自动生成修复程序，然后将其提交给工程师批准并部署到生产中。
被用来加速向装有 应用程序的数百万设备传输稳定代码更新的过程，这是人工智能测试和调试工具在此类大规模生产中的首次应用。 打算与工程界分享 ，因为这是自动化调试发展的下一步，可能为很多公司和研究机构促进新代码的产量和稳定性。
被设计成一个独立的工具，无论有或没有 （ 的一款智能自动化软件测试工具，在 F8 版本时发布，已部署到生产中），它都可以运行。在目前的概念验证状态， 在部署到生成前专注于修复 发现的 Bug。此过程从 开始，连同 的推断静态分析工具一起，能帮助定位代码中需要修复的 Bug。一旦 发现并推断出与 Bug 相关的特定部分代码，它就可以将该信息传递给 ，后者会自动参考一些策略并生成补丁。
是如何 debug 的
上图说明 如何为软件 Bug 生成补丁。
为了解决高触发 bug， 创建的补丁可以完全或部分还原初始代码。对于更复杂的问题， 通过从模板修复集合中提取素材生成补丁。这些模板是从人类工程师创建的模板中自动获取的，而后者则是基于过去的修复库创建的。
当以前用过的由人类设计的模板不合适时， 将尝试基于突变进行修复。为此，它将对导致崩溃的语句的抽象语法树（AST）执行小型代码修复，调整补丁，直到找到可能的解决方案。
自主验证和人工审批
即使 找到了特定的补丁，它的工作还远远没有结束。该工具为每个 Bug 生成多个潜在的补丁，并通过三个问题评价补丁的质量。即是否存在编译错误、程序是否仍然会崩溃，以及补丁是否引入了新的冲突？
为了解决最后两个问题， 在修复版本上运行已存的、开发者编写的测试，同时还会运行由 创建的测试。与之前补丁生成步骤一样，验证过程会自动执行，且与更大的代码库实现分离。 正在复制目前由人工完成的调试工作，但它并不是为了将补丁部署到产品代码中而设计的。
当自动生成的补丁经过全面测试后， 会将它们发送给人工评审员进行批准。这有些类似于人工生成的报告需要由其他开发者进行检查与审批，此外系统除了会自动追踪评审者的反馈外，它还会接受经批准的补丁、清理其它未经批准的补丁。在某些情况下， 可以从多个候选补丁中选择最佳的解决方案，并向工程师提出建议。
该工作流展示了 如何基于它生成的补丁寻求工程师的反馈。
如果修补方案被拒绝，它将丢弃补丁，如果被接受，则加载。由于 的底层技术非常强大，且自动运行节省了大量时间和精力，因此 无法实现自己提出的补丁。工程师通常比较专业，该工具依赖工程师的专业知识来确认是否应该部署提出的补丁。
由于 仍在开发阶段，因此它无法像 那样投入大规模使用， 现在每月生成数百个 Bug 报告，精准定位有 Bug 的代码行，它审核与安卓设备上的 、、 和 等 app 相关的代码。 的报告中大约有 3/4 的 bug 是由开发者修复的。而 八月份开始测试 ，该工具可以成功生成能够被人类工程师接受的补丁，并进入生产阶段。
为完全自动化 debug 奠定基础
称，这标志着机器生成的补丁（经过自动化端到端测试和修补）首次部署到 规模的代码库。这是 AI 技术的重要里程碑，进一步证明了基于搜索的软件工程可以减少软件开发中的问题。 开发 用于处理不同种类的 bug 和软件，因此该工具有可能改变代码生成的速度和质量。这不仅适用于大规模运营的企业，还适用于几乎所有写代码的个人。不管是用于组织还是个体， 和 都能帮开发者减少花在 debug 上的时间，把精力用在生成更多的代码上。
即使有了这项工作， 仍想鼓励社区继续研究自动调整、改进代码。在这一领域，已经有了很多激动人心的研究，包括技术的实证研究、供社区研究解决的开放性难题与挑战，以及对近期自动改进代码的调查。作为在 规模下部署的首个工具， 将为此挑战性研究提供新的动力与能量。
称，将在完成额外的工程部分后，开源 和 。而有关这些工具的反馈会帮助相关研究者，也会帮助更广泛的 AI 社区改进自动寻找、修改代码 Bug 的任务。 目前聚焦在 如何自动制止代码崩溃，但更长期的应用应该包括如何让软件更快、反应更敏捷。这些系统提供了极大的基线收益，开发者使用它们时效果是多变、宽泛的。
相关文章
