Využití generativní AI pro detekci a opravu zápachů v kódu

Lukáš PRIBAN

Bakalářská práce

Using generative AI to detect and repair code smells

Anotace:

Tato bakalářská práce se zabývá možnostmi velkých jazykových modelů (LLM) v refaktorizaci kódu obsahujícího zápachy, které způsobují zvýšení nákladů na další vývoj. Cílem práce je posoudit refaktorizační schopnosti velkých jazykových modelů tyto zápachy detekovat a opravit. Výstupy této práce tvoří korpus kódů se zápachy v jazyce JavaScript, optimalizovaná výzva pro refaktorizaci kódu pomocí LLM a vyhodnocení úspěšnosti modelu GPT-4o při identifikaci a refaktorizaci zápachů na základě této výzvy. Tato práce má přínos pro softwarové vývojáře, kteří mohou využít výzvu nebo poznatky z této práce pro zlepšení kvality a udržovatelnosti svého kódu.

Abstract:

This bachelor's thesis explores the capabilities of large language models (LLMs) in refactoring code containing smells, which cause increased development costs. The aim of the thesis is to assess the refactoring abilities of large language models to detect and fix these smells. The outputs of this work include a dataset of code with smells in JavaScript, an optimized prompt for refactoring code using LLMs, and an evaluation of the success of the GPT-4o model in identifying and refactoring smells based on this prompt. This thesis is beneficial for software developers who can use the prompt or insights from this work to improve the quality and maintainability of their code.

Klíčová slova

softwarové inženýrství, LLM, velké jazykové modely, refaktorizace, zápachy v kódu

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 16. 7. 2024

Zveřejnit od: 31. 12. 2999

Obhajoba závěrečné práce

• Vedoucí: Ing. Mgr. Pavel Beránek

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM

Přírodovědecká fakulta

Bakalářský studijní program / obor:
Aplikovaná informatika / Aplikovaná informatika