"Airbnb verwendete einen LLM-basierten Ansatz, um fast 3.500 React-Komponententest-Dateien von Enzyme zu React Testing Library (RTL) zu migrieren. Anfangs schätzten sie, dass dies 1,5 Jahre dauern würde, aber sie haben es in nur sechs Wochen abgeschlossen. Die Migration umfasste die Refactoring von Testdateien, während die ursprüngliche Testabsicht und die Codeabdeckung erhalten blieben. Sie bauten eine automatisierte Pipeline mit Validierung, Refactoring-Schritten und Wiederholungsschleifen auf. Dem LLM wurde zunehmend Kontext, einschließlich Komponenten-Code und verwandter Tests, bereitgestellt, um die Erfolgsraten zu verbessern. Sie verwendeten einen "Beispiel, einstellen und durchsuchen"-Ansatz, um Anweisungen und Skripte zu verbessern, wodurch die Vollendungsrate von 75 % auf 97 % stieg. Die Automatisierung behandelte effizient den größten Teil der Migration, während ein kleiner Prozentsatz manuelle Korrekturen erforderte. Das Projekt behielt die Testabsicht und die Codeabdeckung bei und erwies sich als viel schneller und kosteneffizienter als eine manuelle Migration. Diese Erfahrung unterstreicht die Macht von LLMs für groß angelegte Code-Transformationen. Airbnb plant, den Einsatz von LLMs für die Produktivität von Entwicklern auszuweiten. Sie suchen auch Ingenieure, die komplexe Probleme auf großem Maßstab lösen möchten."