个性化代码智能之路：基于IDE内行为的画像与辅助

随着 大语言模型 的出现，自动化软件工程的研究越来越集中于利用这些模型来实现对代码更深入的语义理解或设计复杂的基于代理的流程。然而，这种研究轨迹在很大程度上忽略了一个关键因素：开发商本身。编程是一项高度个性化的活动；开发人员在工具链偏好、特定领域的专业知识和问题解决策略方面表现出显着差异。因此，当前一刀切的代码智能系统范式很难满足单个开发人员的需求。为了解决这一差距，我们引入了 VirtualME，这是一种新颖的 IDE 嵌入式数据基础架构，旨在通过持续捕获和解释开发人员的动态编程行为和偏好来对开发人员进行建模。 VirtualME 包含三个组件。 (1)日志级行为提取：从IDE中捕获并提取开发人员的日志级行为。 (2)任务级行为识别：它通过多代理管道将日志级行为聚合为任务级行为。 （3）开发者性格测量：构建规则引擎，提炼出四个维度的开发者性格：技术栈、能力、行为习惯、学习风格。在 VirtualME 之上，我们通过将开发人员角色集成到问答代理中，提出了个性化存储库级知识问答的解决方案。我们通过使用真实开发者轨迹构建多存储库基准来评估 VirtualME，平衡正确性和个性化。实验结果表明，VirtualME 增强的答案在五个维度上优于通用基线，平均提高了 33.80%。我们的结果表明，丰富、连续的开发人员行为数据可以为自适应和个性化代码智能铺平新的道路。