mozilla/bugbug

什么是 bugbug？

bugbug 是一个开源的 Python 工具包，应用机器学习模型帮助 Mozilla 工程师管理 bug 和代码更改。它训练的分类器可以自动：

建议谁应该被分配给新的 bug，
决定补丁是否可能导致回归或测试失败，
将 bug 标记为崩溃、性能问题、安全问题、垃圾邮件等，
预测 bug 是否需要 QA、文档或 uplift，以及许多其他分诊任务。

该项目附带一个小型数据挖掘管道，从 Bugzilla 工单、GitHub issues 和 Firefox 源代码历史中提取特征，然后将模型（包括基于 Keras 的神经网络）包装在兼容 scikit-learn 的 API 中。

为什么重要

对于像 Firefox 这样的大型代码库，bug 分诊是一项巨大的手动工作。通过自动分类 bug 和补丁，bugbug 可以：

减少开发人员将 bug 路由到正确组件或人员的时间。
提前发现风险补丁，帮助审查者专注于可能破坏构建或测试的代码。
提供数据驱动的见解（例如，哪些 bug 可能是回归），提高发布质量。

简而言之，它将丰富的历史 bug 和提交数据转化为可操作的预测，使开发工作流程更快、更可靠。

适合谁？

Mozilla 工程师，他们使用 Bugzilla、Firefox 源代码树或 GitHub issues，并希望获得 ML 辅助的分诊。
对软件工程 ML 感兴趣的研究人员或开发者，他们需要真实世界的数据集和基线模型，用于缺陷预测、受让人推荐或测试选择等任务。
其他开源项目（经过一些调整），如果有类似的 bug 跟踪和版本控制数据。

如何开始

安装依赖 – README 推荐使用现代的 uv 工具：

uv sync               # 核心依赖
uv sync --group test  # 测试依赖
uv sync --extra nlp   # 可选的 NLP 额外依赖

需要 Python 3.14+。

运行训练器 – 选择一个模型名称（例如 defect）并训练它：
```
python -m scripts.trainer defect
```
在典型机器上训练大约需要 30 分钟。
分类 bug – 训练后（或自动下载预训练模型），按 ID 分类 Bugzilla bug：
```
python -m scripts.bug_classifier defect --bug-id 123456
```
可选：使用 Taskcluster – 在 PR 描述中添加 Train on Taskcluster: <model>，让 Mozilla 的 CI 在云端训练模型。
数据挖掘 – 如果需要自定义数据，按照“运行仓库挖掘脚本”的步骤拉取 Firefox 仓库并生成提交级特征。

仓库内容

目录/文件	用途
`bugbug/labels`	用于训练的手动策划的标签集。
`bugbug/db.py`	用于缓存数据的简单 JSON 存储。
`bugbug/bugzilla.py`	从 Mozilla 的 Bugzilla 获取 bug 的 API 辅助函数。
`bugbug/repository.py`	遍历 mozilla-central Mercurial 仓库以提取提交信息的脚本。
`bugbug/bug_features.py`	将 bug/提交元数据转换为向量的特征工程工具。
`bugbug/model.py`	所有分类器的抽象基类。
`bugbug/models/`	具体实现（例如，defect、component、regression）。
`bugbug/nn.py`	将 Keras 神经网络模型嵌入 scikit-learn 管道的胶水代码。
`bugbug/nlp/`	用于 bug 描述和评论的文本处理辅助函数。
`bugbug/github.py`	从 GitHub 仓库拉取 issues 的辅助函数。

局限性与开放问题

以 Mozilla 为中心 – 数据管道针对 Bugzilla 和 Firefox 仓库进行了调整；在其他地方使用需要编写新的适配器。
训练成本 – 完整的模型训练可能耗时且计算密集（在 CPU 上 30 分钟以上）。未提及 GPU 支持。
模型新鲜度 – README 提到预训练模型会自动下载，但未描述刷新频率。
评估指标 – 只有少数分类器列出了准确率/精确率/召回率；未提供全面的基准测试。

TL;DR

bugbug = 一个 Python 库，挖掘 Mozilla 的 bug 和源代码数据，为分诊任务（受让人建议、回归检测、垃圾邮件过滤等）构建机器学习分类器，并提供训练或使用这些模型的脚本。它是 ML 辅助软件工程工具的一个实际示例，主要面向 Firefox 开发者，但经过努力也可以适应其他项目。