Automated Code Review Using Large Language Models at Ericsson: An Experience Report

文章主要内容总结本文是爱立信团队关于使用大语言模型（LLMs）实现自动化代码审查的经验报告，核心内容包括：研究背景：代码审查是保障软件质量的关键手段，但依赖资深开发者的时间和精力，易成为开发流程的瓶颈。大语言模型为自动化代码审查提供了可能。解决方案：开发了一套轻量级工具，结合开源LLMs（如Llama、Code Llama）和静态程序分析技术，通过提取代码修改处的“包围方法”（enclosing method）为LLM提供上下文，生成针对性审查意见；设计了多种提示词策略（如简洁审查、详细审查、安全审查），解决LLM生成内容冗长、不相关的问题；并将工具集成到现有开发流程（如Gerrit版本控制系统、VS Code插件）中，实现早期问题检测。评估与结果：通过资深开发者的问卷调查评估工具效果，结果显示：工具在短、中、长代码片段上的审查意见获得一定正面反馈，但存在变量类型错误、关注点无关等问题；对比不同LLM模型，Code Llama 13B的表现相对更优；部分开发者认为工具节省了时间并提升了编码效率，但仍需改进审查意见的相关性和准确性。未来计划：包括扩展用户调研、优化提示词策略、探索检索增强生成（RAG）和多智能体框架，以及与内部软件工程工具集成。文章创新点轻量级方案