まだマニュアル？ データ系言語ベースのリーダー支援システムを用いた自動化されたリーラント設定

コーディング基準は、チーム間とプロジェクト間で継続的な高い品質のコード保持に不可欠です。Linterは、これらの基準をデベロッパが実行するためのツールを提供します。しかし、手動のリーラント設定は複雑で専門知識が求められるものであり、そしてプログラミング言語、コーディング基準、リーダントの多様性と変化により、再配置作業があきらかに管理困難になります。我々は、基準に対する自動的なリーラント設定の生成を自動化するためのデータ系言語（DSL）に基づくL・Mベースのコンパイル方法であるLintCFGを提案しました。C.P：コンプレッサー設計によって始まったとインスパイアされ、最初はコーディングルールがツールに対して不可視で構造化され読みやすく正確な形式を表すためのデータ系言語を作るプロセスを行います。そしてリーダント設定を作成し、その設定をDSLによる設定指示書に入れます。特定の自然言語コーディング基準とコンパイルは、該当するD.S Lシグナル化コッディング基準、そして設定インストリューションとの関連性をマッチさせて配置名、オプションのラベル和値をセットし、そしてコードスタンドアードとイニシャルに一致性を作った上で、最終的にリーダント固有の設定を表示します。CheckstyleのJavaコーディング基準への実験結果は我々のアプローチがドット構文化式表示で90%以上の精度を達成したこと、正確度、推定性、回復レートとF1スコアが70%近いものが全て平均してやや過剰に70%であること、その細部のリーダント設定生成は基準への我々のアプローチにより100%を超える正確度を達成することを証明します。ユーザー調査はまた我々のアプローチが配置リーダントについてデコーディングされたコーディング基準とコーディングに関するデイヴェロッパの生産性を向上させることが示されています。最終的には我々のアプロachesの一般化により、リーダリストポコの設定表示に使用するためのESLINTコーディング基準に対応させることからこのアプローチの多岐に亘る適用性を紹介します。

arXiv:2602.07783v1 Announce Type: cross Abstract: Coding standards are essential for maintaining consistent and high-quality code across teams and projects. Linters help developers enforce these standards by detecting code violations. However, manual linter configuration is complex and expertise-intensive, and the diversity and evolution of programming languages, coding standards, and linters lead to repetitive and maintenance-intensive configuration work. To reduce manual effort, we propose LintCFG, a domain-specific language (DSL)-driven, LLM-based compilation approach to automate linter configuration generation for coding standards, independent of programming languages, coding standards, and linters. Inspired by compiler design, we first design a DSL to express coding rules in a tool-agnostic, structured, readable, and precise manner. Then, we build linter configurations into DSL configuration instructions. For a given natural language coding standard, the compilation process parses it into DSL coding standards, matches them with the DSL configuration instructions to set configuration names, option names and values, verifies consistency between the standards and configurations, and finally generates linter-specific configurations. Experiments with Checkstyle for Java coding standard show that our approach achieves over 90% precision and recall in DSL representation, with accuracy, precision, recall, and F1-scores close to 70% (with some exceeding 70%) in fine-grained linter configuration generation. Notably, our approach outperforms baselines by over 100% in precision. A user study further shows that our approach improves developers' efficiency in configuring linters for coding standards. Finally, we demonstrate the generality of the approach by generating ESLint configurations for JavaScript coding standards, showcasing its broad applicability across other programming languages, coding standards, and linters.