ACM Transactions on Software Engineering and Methodology· 2026Q1
Agentik Yeniden Düzenleme: Yapay Zeka Kodlama Ajanları Üzerine Ampirik Bir Çalışma
Agentic Refactoring: An Empirical Study of AI Coding Agents
- 1atıf
- Q1SCImago
- 2026yıl
Kısa özet
Yapay zeka ajanları, açık kaynak Java projelerindeki commit'lerin %26,1'inde yeniden düzenleme için kullanılıyor ve insan yeniden düzenlemesine kıyasla biraz daha yüksek oranda düşük seviyeli, tutarlılık odaklı düzenlemeler içeriyor (%27,6'ya karşılık %24,4).
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Yapay zeka ajanları, açık kaynak Java projelerindeki commit'lerin %26,1'inde yeniden düzenleme faaliyetlerine dahil oluyor.
- Ajanik yeniden düzenleme, insan yeniden düzenlemesine göre biraz daha yüksek oranda düşük seviyeli, tutarlılık odaklı düzenlemeler içeriyor (%27,6'ya karşılık %24,4).
- En sık görülen ajanik yeniden düzenleme işlemleri Değişken Adını Yeniden Adlandırma (%7,6) ve Değişken Türünü Değiştirme (%6,8)'dir.
- Ajanik yeniden düzenleme öncelikli olarak içsel kod kalitesini (sürdürülebilirlik, okunabilirlik) hedefler, ancak düşük seviyeli değişikliklerden elde edilen ölçülen iyileştirmeler sınırlıdır.
- Ajanik yeniden düzenleme, özellikle orta seviyeli değişiklikler için yapısal kod kalitesi metriklerinde küçük ama istatistiksel olarak anlamlı iyileştirmeler sağlıyor.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Agentic coding tools, such as OpenAI Codex, Claude Code, and Cursor, are changing how software is developed. These AI-powered systems function as autonomous teammates capable of planning and executing complex development tasks. Agents have become active participants in refactoring, a key practice for improving internal code quality without altering observable behavior. Despite their increasing adoption, there is little empirical understanding of how agentic refactoring is used in practice, how it compares to human-driven refactoring, and what impact it has on code quality. To address this empirical gap, we present a large-scale study of AI agent-generated refactorings in real-world open-source Java projects, analyzing 51,412 refactoring instances across 12,256 pull requests and 14,998 commits based on the AIDev dataset. Our empirical analysis shows that refactoring is a common and intentional activity in this development paradigm, with agents explicitly targeting refactoring in 26.1% of commits. The subsequent analyses of refactoring types, purposes, and code quality focus on the 3,907 commits (32,611 instances) with explicit refactoring intent. Analysis of refactoring types reveals that high-level refactorings form the largest category overall. However, agentic refactoring contains a slightly larger share of lowlevel, consistency-oriented edits than human refactoring (27.6% vs. 24.4%), and its two most frequent operations are Rename Variable (7.6%) and Change Variable Type (6.8%). Additionally, the stated motivations behind agentic refactoring focus overwhelmingly on internal quality concerns (with 52.5% in maintainability and 28.1% in readability), although the measured metric improvements from these frequently occurring low-level refactorings remain limited. Furthermore, quantitative evaluation of code quality metrics shows that agentic refactoring yields small but statistically significant improvements in structural metrics, particularly for medium-level changes, reducing class size and complexity.
Yazarların özeti; kaynağından alınmıştır. ACM Transactions on Software Engineering and Methodology, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Bilişim Sistemleri
Information SystemsComputer Science