Pomona：通过小型自动化变更实现彭博社的持续代码质量改进
Pomona: Continuous Code Quality Improvement via Small, Agentic Pull Requests at Bloomberg
AI总结：
提出Pomona轻量级代理工具，通过扫描和修复技能自动发现并修复代码问题，生成约10行差异的小型PR，经一个月团队部署和10名高级工程师问卷评估，17个PR中15个成功合并，中位关闭时间低于2小时，8/10工程师愿意采用。
摘要：
在这篇简短的经验论文中，我们介绍了Pomona，一个轻量级的代理工具，它利用代理技能实现持续的自动化代码质量改进。受Kaizen（TM）理念的启发，Pomona自动化了发现和增量修复的循环：扫描技能识别改进任务（例如，lint违规、技术债务标记和测试缺口），并在结构化待办事项列表中对其进行优先级排序，而修复技能则生成针对约10行差异的小型拉取请求（PR）。这种人在环设计使得频繁、低风险的改进成为可能，同时保持工程师的信任和生产力，并减少技术债务。我们通过在一个团队中部署一个月以及向10名高级工程师分发问卷来评估Pomona。我们的初步结果令人鼓舞：17个生成的PR中有15个成功合并，中位关闭时间低于2小时。此外，8/10的受访工程师表示希望采用Pomona，称赞其小差异大小以及Pomona专注于改进代码质量。最后，我们讨论了关于在工业中有效部署代理策略的研究人员和从业者可操作的见解。
英文摘要：
In this industrial experience paper, we present Pomona, a lightweight agentic tool that utilises agent skills for continuous code quality improvement. Inspired by the Kaizen (TM) philosophy, Pomona automates a cycle of discovery and incremental repair: a Scanning skill identifies tasks and prioritises them in a backlog, while a Repair skill generates small, easily reviewable pull requests (PRs). This design enables frequent, low-risk improvements while maintaining engineer trust and reducing technical debt. We evaluated Pomona at Bloomberg through a three-month team deployment and a questionnaire distributed to senior engineers. The results are promising: 32/39 PRs (82.1%) were merged with a median time-to-close of just over two hours. Moreover, 10/12 surveyed engineers expressed a desire to adopt Pomona, praising its small diff sizes and focus on code quality. Since our evaluation, another team has adopted Pomona. We conclude with actionable insights for deploying agents in industry.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
