编排人工智能辅助代码修复：大型工业存储库中的社会技术瓶颈

背景：通过手动重构和机会性清理来修复大型、长期存在的代码库中的代码退化成本高昂。基于大语言模型的编码助手可以大规模执行机械修复，但它们对工业工作流程的影响尚未得到充分研究。目标：我们研究大规模人工智能辅助代码修复如何影响大型工业存储库中的提交持续集成（CI）、代码审查和团队协调，以及当源代码编辑通过人工智能辅助变得便宜时，哪些社会技术瓶颈限制了这种修复。方法：我们报告了一项为期 15 天的探索性单案例实地研究，其中一位经验丰富的开发人员使用命令行 AI 编码伙伴来修复闭源工业 C++ 存储库中的普遍问题。我们通过开发者日记和团队聊天对 Gerrit 元数据进行三角剖分，并通过描述性统计和定性编码进行分析。结果：人工智能辅助修复迅速生成了数百个提交，涉及数千行，饱和了 CI 和审阅者的注意力。幼稚的每个文件提交重载的提交构建 CI；切换到基于目录的批处理并限制每次更改的文件数量恢复了吞吐量，但仍然需要明确的审查请求、可接受的提交粒度的协商以及迭代后续行动以解决构建和静态分析故障。结论：当机械编辑成本低廉时，CI 容量、审核工作和变更编排就成为主要瓶颈。在大型存储库中进行可持续的人工智能辅助修复需要对提交、审查和 CI 批处理粒度进行刻意控制，并将语义更改集（例如“修复警告 X 的所有实例”）视为一流的工作单元，可以为开发人员、审查人员和 CI 进行不同的划分。