ImageR：通过截图增强缺陷报告清晰度

在问题跟踪系统中，加入截图能显著增强缺陷报告的清晰度，促进更高效的沟通并加快问题解决。然而，确定何时以及包含何种类型的视觉内容仍具挑战性，因为并非所有附件都能有效助力问题解决；研究表明，问题报告中 22.5% 的图像未能帮助解决所报告的问题。为解决此问题，我们推出了 ImageR，这是一款人工智能模型与工具，可分析问题报告以评估包含截图的潜在益处，并在适当情况下推荐最相关的截图类型。通过主动建议相关视觉内容，ImageR 旨在使问题报告更清晰、信息更丰富且更省时。我们整理并公开了一个包含 6,235 个 Bugzilla 问题的数据集，每个问题都仔细标注了图像附件类型，为在开发者沟通语境下进行图像处理的基准测试和推进研究提供了宝贵资源。为评估 ImageR，我们对来自多个 Mozilla 项目的部分报告进行了实证实验。该工具在判断何时需要图像方面取得了 0.76 的 F1 分数，75% 的用户认为其推荐非常有价值。通过减少为获取合适截图而经常需要的来回沟通，ImageR 简化了缺陷报告流程。此外，它还能引导用户从十个既定类别中选择最有效的视觉文档，从而可能缩短解决时间并提高缺陷文档的质量。ImageR 是开源的，欢迎社区进一步使用和改进。这个带标注的数据集为在开发者沟通语境下进行图像处理的基准测试和探索提供了难得的资源。