開源軟件支撐了我們日常使用的眾多技術，從網絡瀏覽器到操作系統(tǒng)，并且促成了一個充滿活力的開發(fā)者社區(qū)，推動創(chuàng)新的發(fā)生。

維護開源項目涉及大量重復性任務，如錯誤分類和代碼審查，這些任務往往耗時耗力。傳統(tǒng)上，開源軟件項目嚴重依賴志愿者開發(fā)者，這限制了他們投入新想法和新功能的時間。

Google 推出了名為 Project Oscar 的開源貢獻者代理架構，旨在減少維護開源軟件項目時的手動勞動。Oscar 代理旨在簡化管理問題、拉取請求（PR）和論壇問題的工作，這些工作通常消耗大量時間和資源。隨著項目的擴大，維護者往往難以跟蹤所有相關的上下文和文檔，從而影響項目管理的效率。

目前，開源維護工作通常涉及手動處理收到的問題、將查詢與現有文檔匹配以及管理變更列表（CL）或拉取請求（PR）。

這一過程可能效率低下且容易出錯，導致重復勞動和響應延遲。雖然已有工具如 @gopherbot 可以通過自動化某些任務提供幫助，但這些工具往往需要編碼配置，這對所有貢獻者來說都可能不夠友好。

Oscar 引入了一種新穎的方法，利用大語言模型（LLM）來提升開源項目維護的效率。與試圖自動化代碼編寫過程的傳統(tǒng)方法不同，Oscar 主要關注減少那些重復且較少吸引人的任務。Oscar 通過創(chuàng)建利用 LLM 進行自然語言輸入的語義分析的代理，將這些輸入轉化為可操作的確定性任務。

Oscar 的架構具有三個主要功能：

1. 索引和呈現項目上下文：Oscar 利用 LLM 對項目文檔、問題報告和論壇討論進行嵌入，將這些數據存儲在向量數據庫中。當有新問題報告時，系統(tǒng)能夠檢索并呈現高度相關的現有上下文，并快速識別重復或相關的問題。這種即時互動可以節(jié)省維護者大量時間，并提高問題分類的效率。

2. 用自然語言控制工具：Oscar 計劃允許維護者通過自然語言命令與各種確定性工具進行交互。維護者無需學習特定的 API 或命令，只需用自然語言描述他們的意圖，LLM 會將這些描述轉化為適當的工具操作。這種方法簡化了與項目管理工具的互動，使其更易于使用，并減少了學習曲線。

3. 分析問題報告和 CL/PR：系統(tǒng)旨在對收到的報告進行更深入的語義分析，以對其進行分類、建議標簽或請求額外信息。例如，如果報告中缺乏可重現的示例，代理可以提示報告者提供更多詳細信息。這一功能確保了報告的完整性和可操作性，有助于更快地解決問題。

Oscar 的初始原型 @gabyhelp bot 在 Go 項目的問題跟蹤器中展示了這些功能。該機器人成功地與貢獻者互動，提供了相關鏈接和上下文，并顯示出在開源維護中更廣泛應用的潛力。

總的來說，Google 的 Project Oscar 有望通過自動化開源維護中那些不那么吸引人的任務，徹底改變開源項目管理的方式。通過將 LLM 與確定性工具集成，Oscar 解決了高效管理問題和拉取請求的需求，最終旨在減少維護者的工作負擔，并使更多的貢獻者成為高效的維護者。隨著 Oscar 的進一步發(fā)展，它在改進和簡化維護流程方面的能力展現出極大的潛力。

本文由LowCode低碼時代根據公開資料整理，如有侵權請聯系刪除。

- END -

繼續(xù)閱讀：

未經允許不得轉載：RPA中國 | RPA全球生態(tài) | 數字化勞動力 | RPA新聞 | 推動中國RPA生態(tài)發(fā)展 | 流 > Google 推出 Project Oscar：人工智能助力開源項目維護，簡化重復性任務