Meta 披露 JiTTests 生产部署结果：AI 生成测试在代码合入前拦截缺陷
Meta 工程团队公布 Catching JiTTests 的生产部署情况：由大模型自动生成可执行测试，在代码变更合入前暴露行为差异，并以「人在环上」方式控制人工复核量。团队称已有 589 名工程师参与，真阳性率约 60%。
核心事实
Meta 工程团队在工程博客发文，介绍其名为 Catching JiTTests（Just-in-Time Tests）的测试方案已从研究原型进入公司基础设施。该方案利用大语言模型针对每一处代码变更（diff）自动生成可执行测试，并刻意让测试指向变更引入的行为差异，从而在代码合入生产环境之前暴露缺陷。团队同时公开论文《Just-in-Time Catching Test Generation at Meta》，该论文在 FSE 2026 上宣读。
据文章披露，系统在夜间利用闲置算力运行，先筛选出风险较高的 diff，再通过「可疑 diff」与「意图感知」两条并行流程生成测试；随后由多个大模型组成的「LLM-as-Judge」评审团与基于规则的 RubFake 评估器共同过滤误报，最后按排名决定是否联系工程师。文章称，截至撰写时共有 589 名 Meta 工程师（占触达人数的 64%）参与了该机制，真阳性率约为 60%；2026 年上半年，该机制在 diff 阶段协助发现 74 个严重（SEV）隐私缺陷，同期隐私类 SEV 总体发生率下降 20%。
背景与影响
Meta 表示其代码库有数亿行代码持续演进，传统测试难以跟上变更速度。与常见的用大模型或智能体直接审查代码不同，JiTTests 的产出是可运行的测试用例，因此可能覆盖代码审查类方法漏掉的缺陷类型。文章将人工介入方式描述为「human-on-the-loop」：工程师设定标准并在汇总层面查看结果，而非逐条审核每个输出，以此降低复核负担。
限制与来源
上述参与人数、真阳性率与缺陷数量均为 Meta 单方面公布的数据，未提供第三方复现或独立评估，具体口径以论文与官方博客为准。该方案目前仅描述在 Meta 内部基础设施中的部署情况，是否对外提供、在哪些国家或地区可用、许可与定价等信息，素材中均未提及，需以官网当前信息为准。本文不构成任何投资或采购建议。
来源：Meta 工程博客（engineering.fb.com），2026 年 10 月 29 日。