野外热修复

尽管热修复在操作上很重要，但关于它们如何重塑日常维护工作流程的大规模证据，特别是在自主 编码智能体 时代，仍然有限。我们分析了Hao-Li/AIDev数据集中超过61,000个GitHub存储库中存在的修补程序，并发现了一致的紧迫性模式：减少协作（通常是单个贡献者）、更小且更有针对性的更改（平均2-3次提交和文件，修改量<10行）、有限的审查（通常少于两个审阅者）以及比常规错误修复少得多的测试文件修改，这与它们的紧迫性驱动的特征一致。利用相同的紧急情况，我们检查了人类和人工智能代理编写的热修复之间的差异，揭示了 10 多种不同的修复行为，从而为未来热修复的人机协作提供了见解。我们的研究是第一个使用存储库级紧急操作化来大规模地实证分析热修复代码更改的研究。人类和代理行为的比较描绘了他们的独特特征，为理解现实世界实践中的热修复提供了基础