Apakah agen pengkodean AI benar-benar menulis tes? Pengujian sangat penting untuk kebenaran dan pemeliharaan perangkat lunak. Karena agen otonom semakin banyak mengirimkan permintaan pull, memahami perilaku pengujian mereka menjadi penting. Penelitian baru ini menganalisis kumpulan data AIDev untuk mempelajari pola inklusi pengujian dalam permintaan tarik yang dihasilkan agen. Mereka memeriksa seberapa sering tes muncul, kapan diperkenalkan selama siklus hidup PR, dan bagaimana PR yang mengandung tes berbeda dari yang tidak memiliki tes. Temuan ini mengungkapkan pola yang menarik. PR yang mengandung pengujian telah menjadi lebih umum dari waktu ke waktu di seluruh agen, menunjukkan peningkatan perilaku pengujian. Tetapi PR ini cenderung lebih besar dan membutuhkan waktu lebih lama untuk diselesaikan daripada PR non-pengujian. Tingkat penggabungan sebagian besar tetap serupa terlepas dari inklusi pengujian. Ini menimbulkan pertanyaan tentang apakah pengulas menghargai tes yang dihasilkan agen atau tidak menghukum ketidakhadiran mereka. Pekerjaan ini mengungkapkan variasi yang signifikan di berbagai agen. Beberapa agen menunjukkan tingkat adopsi tes yang lebih tinggi daripada yang lain. Keseimbangan antara kode pengujian dan kode produksi dalam PR yang mengandung pengujian juga sangat bervariasi menurut agen. Ini menunjukkan bahwa kemampuan pengujian tidak dikembangkan secara seragam di seluruh alat pengkodean agen. Beberapa lebih baik dalam mengikuti konvensi pengujian daripada yang lain. Karena perusahaan mengadopsi agen pengkodean AI, memahami perilaku pengujian mereka sangat penting untuk kualitas kode. Agen yang melewatkan tes atau menulis tes yang tidak memadai menciptakan hutang teknis. Landasan empiris ini membantu mengidentifikasi agen mana yang selaras dengan praktik rekayasa perangkat lunak yang baik dan di mana perbaikan diperlukan. Kertas: Pelajari cara membangun agen AI yang efektif di akademi kami: