论文

终端中的代理代码审查:行为、成本和人性化的轨迹级分析

Agentic Code Review in the Terminal: A Trajectory-Level Analysis of Behavior, Cost, and Human-Alignment

智能体系统Agent任务评测

摘要

基于终端的环境中的代理代码审查可以在创建拉取请求之前在本地开发期间提供早期反馈。然而,现有的评估仍然以性能为中心,无法捕捉基于存储库的代理审阅者的动态行为。了解这些行为对于识别代理审阅者如何在实践中成功、失败以及产生隐藏的运营成本至关重要。然后,我们根据评论者的轨迹分析他们的行为。我们的结果表明,代理审阅者可以获得更高的审阅精度,但会产生大量的探索和验证开销,而成功的审阅则与更强的规划和更少的下游验证相关。这些发现凸显了对未来代理代码审查系统进行轨迹感知和成本敏感评估的潜在好处。