Bugbot 現在可透過學得的規則自我改進
當我們在 2025 年 7 月將 Bugbot 結束測試版正式推出 時，它識別出的錯誤中，有 52% 在相關 PR 合併前就已解決，這也表示其餘為誤報。
如今，解決率已接近 80%，比排名第二的 AI 程式碼審查產品高出 15 個百分點。
| AI 程式碼審查產品 | 解決率 | 已分析的 PR |
|---|---|---|
| Cursor Bugbot | 78.13% | 50,310 |
| Greptile | 63.49% | 11,419 |
| CodeRabbit | 48.96% | 33,487 |
| GitHub Copilot | 46.69% | 24,336 |
| Codex | 45.07% | 19,384 |
| Gemini Code Assist | 30.93% | 21,031 |
我們僅分析公開儲存庫。對於 AI 程式碼審查產品產生的每則留言， 我們都使用 LLM 評審者檢查它在合併前是否已被處理。
直到現在，這些改進完全仰賴離線實驗推動：我們調整 Bugbot、進行測試以確認這項變更是否能提升解決率，如果可以，就會發布。
但純粹依賴離線方法，會讓許多訓練潛力無法被充分利用。Bugbot 每天審查數十萬個 PR，而每一次審查都是一次自然實驗，Bugbot 可以根據開發者是否對它的回報採取行動來自我改進。
為了運用這些即時訊號，我們現在讓 Bugbot 能從過去的執行中學習，將即時程式碼審查流程中的意見回饋轉化為學得的規則。規則可作為額外指示，讓 Bugbot 的執行具備更高的自訂彈性，幫助 Bugbot 專注在特定議題、業務上下文等更多面向。
自從以測試版推出 學得的規則 以來，已有超過 110,000 個儲存庫啟用學習，產生超過 44,000 條學得的規則。
學得的規則的運作方式
每個已合併的 PR 都包含各種訊號，Bugbot 可利用這些訊號自我改進，並將其整理成規則。三個重要訊號如下：
- 對 Bugbot 註解的反應：倒讚表示 Bugbot 的發現沒有幫助。
- 對 Bugbot 註解的回覆：開發者會說明問題出在哪裡，或這項建議還能如何改進。
- 來自人工審查者的註解：用來標示 Bugbot 遺漏的議題。
Bugbot 會將這些訊號處理成候選規則，並持續根據新進的 PR 評估這些規則。
隨著訊號持續累積，Bugbot 可以將候選規則提升為啟用狀態，開始影響後續的審查。相對地，如果某條啟用中的規則開始持續產生一致的負面訊號，Bugbot 也可以將其停用。你也可以直接在 UI 中編輯或刪除規則。
開始使用
我們希望 Bugbot 能找出每一個真正的錯誤，而這需要對你的程式碼庫、既有模式，以及團隊的優先順序有深入了解。學得的規則是朝這個方向邁出的一大步，也是我們持續讓 Bugbot 自我改進的整體工作之一。
請在 Cursor Dashboard 管理 Bugbot 的學習；你可以在那裡啟用學得的規則，並針對近期的 PR 執行回填，或在我們的 文件 中了解更多。
