Alat b4 Linux mulai menguji agen peninjau kode AI

Alat pengembangan kernel b4 untuk Linux kini sedang menguji agen AI secara internal yang dirancang untuk membantu tinjauan kode. Langkah ini, yang dikenal sebagai dog-feeding, menandai aplikasi praktis fitur AI dalam proses pengembangan alat tersebut. Pembaruan ini berasal dari Phoronix, sumber utama berita Linux.

Alat b4, sebuah utilitas untuk menyederhanakan pengembangan kernel Linux, telah maju dengan mengintegrasikan agen AI-nya ke dalam tugas tinjauan kode dunia nyata. Menurut Phoronix, fase ini melibatkan dog-feeding, di mana pengembang menggunakan pembantu AI secara internal untuk menyempurnakan kinerjanya sebelum rilis yang lebih luas. b4 menyederhanakan penanganan patch dan kolaborasi dalam kontribusi kernel, dan agen AI bertujuan untuk meningkatkan efisiensi tinjauan kode. Phoronix menyoroti ini sebagai pembaruan signifikan, yang dibangun di atas fitur existing alat untuk pemelihara Linux. Perkembangan ini menggarisbawahi upaya berkelanjutan untuk mengintegrasikan kecerdasan buatan ke dalam alur kerja open source, yang berpotensi mempercepat perbaikan kernel. Tidak ada jadwal waktu spesifik untuk penyebaran penuh yang dirinci, tetapi pengujian internal menandakan kemajuan dalam alat pengembangan berbantuan AI.

Artikel Terkait

Realistic illustration of Linux Foundation executives and AI partners launching Agentic AI Foundation, featuring collaborative autonomous AI agents on a conference screen.
Gambar dihasilkan oleh AI

Linux Foundation meluncurkan Agentic AI Foundation

Dilaporkan oleh AI Gambar dihasilkan oleh AI

Linux Foundation telah meluncurkan Agentic AI Foundation untuk mendorong kolaborasi terbuka pada sistem AI otonom. Perusahaan teknologi besar, termasuk Anthropic, OpenAI, dan Block, menyumbangkan proyek open-source kunci untuk mempromosikan interoperabilitas dan mencegah vendor lock-in. Inisiatif ini bertujuan menciptakan standar netral untuk agen AI yang dapat membuat keputusan dan menjalankan tugas secara independen.

Proyek kernel Linux mulai menggunakan Sashiko, sebuah sistem berbasis AI, untuk meninjau patch secara otomatis. Alat berbasis LLM dan agen ini mengidentifikasi bug yang terlewatkan oleh peninjau manusia. Inisiatif ini bertujuan untuk meningkatkan kualitas dan pemeliharaan kode.

Dilaporkan oleh AI

Komunitas pengembang Linux telah beralih dari perdebatan tentang peran AI menjadi mengintegrasikannya ke dalam proses rekayasa kernel. Pengembang kini menggunakan AI untuk pemeliharaan proyek, meskipun pertanyaan tentang menulis kode dengannya tetap ada. Kekhawatiran tentang hak cipta dan lisensi open-source tetap ada.

Pengelola paket DNF telah mencapai versi 5.4, memperkenalkan beberapa opsi baru bersama dengan kebijakan kontribusi AI. Pembaruan ini ditujukan untuk pengguna Linux dan pengembang yang bekerja dengan Fedora dan distribusi terkait. Phoronix melaporkan bahwa rilis ini menyoroti peningkatan fungsionalitas dan pedoman keterlibatan AI.

Dilaporkan oleh AI

Saat pembekuan kode untuk Red Hat Enterprise Linux 10 semakin dekat, tim pengembangan menyelesaikan fitur penting termasuk Q&A berbasis AI dan tampilan mode gambar yang diperbarui. Para insinyur berbagi wawasan tentang proses tersebut dalam edisi terbaru dari seri di balik layar. Pembaruan ini menyoroti upaya intensif untuk mengintegrasikan kemampuan canggih ke dalam rilis mendatang.

Toko Ekstensi GNOME Shell telah memperbarui panduannya untuk melarang ekstensi yang dihasilkan AI di tengah lonjakan pengajuan berkualitas rendah. Pengembang masih boleh menggunakan AI sebagai alat pembelajaran dan pengembangan, tetapi kode yang sebagian besar ditulis oleh AI akan ditolak. Langkah ini bertujuan mempertahankan kualitas kode dan mengurangi penundaan review.

Dilaporkan oleh AI

Agen pengkodean AI dari perusahaan seperti OpenAI, Anthropic, dan Google memungkinkan pekerjaan yang lebih panjang pada proyek perangkat lunak, termasuk menulis aplikasi dan memperbaiki bug di bawah pengawasan manusia. Alat-alat ini bergantung pada model bahasa besar tetapi menghadapi tantangan seperti pemrosesan konteks terbatas dan biaya komputasi tinggi. Memahami mekanismenya membantu pengembang memutuskan kapan menerapkannya secara efektif.

 

 

 

Situs web ini menggunakan cookie

Kami menggunakan cookie untuk analisis guna meningkatkan situs kami. Baca kebijakan privasi kami untuk informasi lebih lanjut.
Tolak