10:10arXiv cs.AI@Daniel Russo一篇来自arXiv的论文研究了AI编程智能体在共享仓库中合并拉取请求带来的集成摩擦问题。通过对超过93万条智能体编写的拉取请求进行测量,发现约一半的摩擦变化归因于仓库本身,而非单个贡献或智能体。智能体贡献的仓库级摩擦是人类的约两倍(组内相关系数0.30 vs 0.16),该差距在控制代码库规模、年龄、任务形态等变量后依然存在。论文提出AI原生软件的风险是生态系统属性,应通过仓库级而非单智能体方式进行评估和治理。论文智能体AI编程代码仓库拉取请求集成摩擦推荐理由:这篇论文用93万条数据告诉你,AI写代码带来的隐患不在单个智能体,而在整个仓库。看完你就明白为什么只测单个AI不够用了。原文
09:31arXiv cs.AI@Ali Arabat, Mohammed Sayagh该研究分析了148个项目中15549个由AI智能体(如GitHub Copilot)生成的拉取请求(Agentic-PRs),探讨指令文件对AI智能体性能的影响。研究发现,创建指令文件并不总是提升合并率:27.7%的项目合并率提升至少20%,但26.35%的项目反而下降。代码变更量和合并所需时间等指标也呈现类似分化。初步探索表明,成功提升合并率的项目拥有更长、结构更清晰的指令文件。研究呼吁将指令文件开发视为软件工程活动(Instructions-as-Code),以帮助实践者优化AI协作。论文AI智能体指令文件拉取请求软件工程GitHub Copilot推荐理由:做AI辅助开发的团队会发现,指令文件不是写得越多越好——研究揭示了哪些写法真正有效,建议点开看看如何优化你的项目指令。原文