BitsAI-Fix: 基于大语言模型的自动化Lint错误修复方法
软件工程
2025-08-06 v1 人工智能
机器学习
摘要
随着企业级代码库规模和复杂度的不断增长，Lint错误的数量远超工程师的手动修复能力，导致技术债务持续积累并阻碍开发效率。本文提出BitsAI-Fix，这是一种基于大语言模型（LLM）的自动化Lint错误修复工作流程，旨在解决工业规模环境中的这一关键挑战。BitsAI-Fix采用tree-sitter进行上下文扩展，通过经过专门训练的LLM生成搜索替换格式的补丁，然后进行Lint扫描验证以输出最终的修复结果。此外，我们引入一种创新的渐进强化学习（RL）训练策略，能够在项目冷启动阶段自动获取可验证的训练数据，并通过系统部署后收集的线上反馈样本持续迭代模型。我们还设计了一种针对性的基于规则的奖励机制，结合格式奖励和正确性奖励，同时惩罚冗余修改。我们还提出了一种“代码差匹配”方法，用于持续跟踪线上效果。在字节达（ByteDance）的生产部署中，我们的解决方案已支持超过5,000名工程师，解决了超过12,000个静态分析问题，实现了约85%的修复准确率，约1,000名每周活跃用户。本工作证明了LLM驱动的代码修复方案在企业环境中的实际可行性，为大规模工业场景中的自动化代码修复提供了参考。
引用
@article{arxiv.2508.03487,
title = {BitsAI-Fix: LLM-Driven Approach for Automated Lint Error Resolution in Practice},
author = {Yuanpeng Li and Qi Long and Zhiyuan Yao and Jian Xu and Lintao Xie and Xu He and Lu Geng and Xin Han and Yueyan Chen and Wenbo Duan},
journal= {arXiv preprint arXiv:2508.03487},
year = {2025}
}