代码托管平台的任务响应方法、设备及存储介质与流程
本发明涉及软件自动化领域,尤其涉及一种代码托管平台的任务响应方法、设备及存储介质。
背景技术:
1、代码托管平台已能依托流水线实现代码的自动构建、测试与部署,devops(开发和运营维护)工具链在企业研发流程中得到广泛应用。然而,现有devops工具链在理解代码变更意图、主动识别缺陷、选择执行工具以及根据部署反馈自我优化方面仍依赖大量人工操作,存在明显缺口。
2、传统流水线仅能机械执行脚本,无法理解合并请求、问题、测试失败日志与代码依赖之间的逻辑关系,执行失败后仍需研发人员人工分析原因并定位缺陷;静态扫描、单元测试与代码审查工具彼此孤立,审查结论与验证结果之间缺乏统一的自动化衔接;引入的ai(artificial intelligence,人工智能)代理多停留在聊天式建议层面。现有方案无法对低风险变更与高风险变更均采用相同的审查流程。
3、有鉴于此,特提出本发明。
技术实现思路
1、为了解决上述技术问题,本发明提供了一种代码托管平台的任务响应方法、设备及存储介质,实现对代码变更的智能分析与分级审查,降低人工审查成本,提高代码交付质量与效率。
2、本发明实施例提供了一种代码托管平台的任务响应方法,该方法包括:
3、响应于目标任务,从预先构建的代码知识图谱中召回与所述目标任务对应的局部代码子图,并确定所述目标任务对应的多个基础子任务,构建各基础子任务之间的依赖关系;其中,所述代码知识图谱根据仓库的多源事实分析提取获得;
4、针对每个基础子任务,从候选模型和候选技能中,根据各候选技能和候选模型相对于所述基础子任务的适配度,确定所述基础子任务对应的模型技能组合;
5、根据所述局部代码子图以及所述目标任务对应的代码变更,确定所述代码变更的风险评分;
6、响应于所述风险评分大于风险阈值,则触发增强审查流程,并确定所述增强审查流程中的新增子任务以及所述新增子任务对应的模型技能组合;
7、根据各基础子任务之间的依赖关系以及各子任务对应的模型技能组合,执行各子任务,确定审查分析结果,并将所述审查分析结果发布至代码托管平台;其中,所述子任务为基础子任务,或者,基础子任务和新增子任务。
8、本发明实施例提供了一种电子设备,所述电子设备包括:
9、处理器和存储器;
10、所述处理器通过调用所述存储器存储的程序或指令,用于执行任一实施例所述的代码托管平台的任务响应方法的步骤。
11、本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行任一实施例所述的代码托管平台的任务响应方法的步骤。
12、本发明实施例具有以下技术效果:
13、通过从代码知识图谱中召回局部代码子图并据此分解目标任务、构建基础子任务依赖关系,能够使智能体理解代码变更意图,减少开发、测试、运维人员在多个系统之间的人工串联,缩短问题定位与处理时长,通过根据各候选技能和候选模型相对于基础子任务的适配度确定模型技能组合,依据任务难度、风险、时延与调用成本自动选择模型与技能,提高智能体工具调用的稳定性与执行效率,通过基于局部代码子图与代码变更确定风险评分,并在风险评分大于风险阈值时触发增强审查流程、动态确定新增子任务及其模型技能组合,能够按变更风险分级配置审查深度,将审查资源集中于高风险变更,提高缺陷识别命中率,降低误修复概率,实现了对代码变更的智能分析与分级审查,降低了人工审查成本,提高了代码交付质量与效率。
1.一种代码托管平台的任务响应方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述响应于目标任务,从预先构建的代码知识图谱中召回与所述目标任务对应的局部代码子图,包括:
3.根据权利要求1所述的方法,其特征在于,所述代码知识图谱的边权重通过下述方式确定:
4.根据权利要求1所述的方法,其特征在于,所述从候选模型和候选技能中,根据各候选技能和候选模型相对于所述基础子任务的适配度,确定所述基础子任务对应的模型技能组合,包括:
5.根据权利要求1所述的方法,其特征在于,所述根据所述局部代码子图以及所述目标任务对应的代码变更,确定所述代码变更的风险评分,包括:
6.根据权利要求1所述的方法,其特征在于,在触发增强审查流程的情况下,所述执行各子任务,确定审查分析结果,包括:
7.根据权利要求1所述的方法,其特征在于,在所述确定审查分析结果之后,还包括:
8.根据权利要求7所述的方法,其特征在于,所述对所述代码变更对应的制品执行灰度发布或回滚,包括:
9.根据权利要求7所述的方法,其特征在于,还包括:
10.一种电子设备,其特征在于,所述电子设备包括:
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如权利要求1至9任一项所述的代码托管平台的任务响应方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com