Combining Mechanical and Agentic Specification Inference for Move
Dieser Beitrag stellt ein Werkzeug zur Inferenz von Spezifikationen für den Move Prover vor, das eine sounde schwächste-Vorbedingungs-Analyse mit einer agenticen Coding-CLI synergistisch kombiniert, um automatisch Verifikationsspezifikationen zu generieren und zu verfeinern, wodurch manuelle Boilerplate-Code reduziert wird, während komplexe Eigenschaften wie Schleifeninvarianten und strukturelle Invarianten behandelt werden.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie bauen ein komplexes Haus (ein Softwarestück namens „Move-Smart-Contract"). Sie möchten sicherstellen, dass das Haus sicher ist: Die Türen öffnen sich nur mit dem richtigen Schlüssel, das Dach stürzt niemals ein, und der darin befindliche Bankschalter bewahrt das Geld sicher auf.
Um zu beweisen, dass das Haus sicher ist, müssen Sie ein detailliertes „Regelbuch" (eine Spezifikation) verfassen, das genau erklärt, wie sich jeder Teil des Hauses verhalten soll. Das manuelle Schreiben dieses Regelbuchs ist unglaublich mühsam, langweilig und anfällig für menschliche Fehler. Es ist wie der Versuch, einen Rechtsvertrag für jeden einzelnen Ziegelstein im Haus zu verfassen.
Dieser Artikel beschreibt ein neues Werkzeug, das wie ein superintelligenter Bauassistent fungiert, um dieses Regelbuch automatisch zu erstellen. Es kombiniert zwei sehr unterschiedliche Arten von Helfern: einen starreren Roboter und einen kreativen Menschen.
Die beiden Helfer
Der starre Roboter (Mechanische Analyse):
Denken Sie daran wie an einen superpräzisen Rechner. Er betrachtet die Baupläne (den Code) und berechnet mechanisch die absolut notwendigen Mindestregeln, um das Haus stabil zu halten. Er ist hervorragend darin, offensichtliche Dinge zu finden, wie etwa: „Wenn Sie diesen Hebel ziehen, öffnet sich die Tür." Allerdings gerät er bei komplexen, sich wiederholenden Aufgaben ins Stocken (wie ein Sicherheitsbeamter auf einer Patrouille). Er weiß nicht, warum der Beamte im Kreis läuft oder welches Muster dahintersteckt; er sieht nur die Bewegung und wird verwirrt.Der kreative Mensch (Der KI-Agent):
Dies ist die „Claude Code"-KI. Sie versteht Muster, Idiome und hochrangige Konzepte gut. Sie kann sich den Sicherheitsbeamten ansehen und sagen: „Ah, ich verstehe! Der Beamte überprüft jede Tür der Reihe nach, und die Anzahl der geprüften Türen nimmt immer zu." Sie ist hervorragend darin, die „Schleifeninvarianten" (die Regeln für sich wiederholende Aktionen) zu formulieren, die der Roboter nicht herausfinden kann. Allerdings kann die KI manchmal auf kreative Weise falsch liegen und Regeln erfinden, die tatsächlich nicht mit den Bauplänen übereinstimmen.
Wie sie zusammenarbeiten
Das Werkzeug bringt diese beiden in einer Schleife zusammen, wobei es ein „Model Context Protocol" (MCP) verwendet, das wie ein Walkie-Talkie-System funktioniert, das sie mit der Baustelle verbindet.
- Der Roboter beginnt: Er scannt den Code und notiert die grundlegenden, harten Fakten (die „Schwächsten Vorbedingungen"). Er sagt: „Okay, wir wissen, dass sich die Tür öffnet, wenn Sie einen Schlüssel haben."
- Der Mensch füllt die Lücken: Die KI betrachtet die Arbeit des Roboters und sagt: „Ich sehe hier eine Schleife. Lassen Sie mich das Muster erraten: Der Zähler erhöht sich jedes Mal um eins." Sie fügt diese hochrangigen Regeln hinzu.
- Der Schiedsrichter prüft: Der „Move Prover" fungiert als strenger Bauinspektor. Er nimmt das kombinierte Regelbuch und versucht zu beweisen, dass es wahr ist.
- Wenn die Regeln funktionieren, großartig!
- Wenn die Regeln versagen (z. B. hat die KI das falsche Muster erraten), sendet der Inspektor ein „Gegenbeispiel" zurück an die KI.
- Die Korrektur: Die KI liest die Notiz des Inspektors, erkennt ihren Fehler und schreibt die Regel um. Dies geschieht immer wieder, bis der Inspektor zufrieden ist.
Beispiele aus der Praxis aus dem Artikel
Die Autoren testeten dies an drei Arten von „Häusern":
- Die Suchmaschine: Eine Funktion, die nach einem bestimmten Element in einer Liste sucht. Der Roboter erkannte die grundlegende Logik, aber die KI musste erraten, dass „die Anzahl der bisher geprüften Elemente immer kleiner ist als die Gesamtzahl der Elemente".
- Das Matheproblem: Eine Funktion, die Potenzen berechnet (wie ). Der Roboter bewältigte die Mathematik, doch die Schleife war knifflig. Die KI musste eine „Hilfsfunktion" erfinden, um das Muster der Multiplikation zu erklären, und anschließend musste das Team einen speziellen „Beweishinweis" (wie ein Spickzettel für den Inspektor) hinzufügen, um zu beweisen, dass die Mathematik nicht explodieren würde.
- Die Banküberweisung: Eine Funktion, die Geld zwischen zwei Personen aufteilt. Dies beinhaltete die Änderung des „globalen Zustands" (des Bankbuches). Die KI musste genau verfolgen, wie das Geld von einem Konto zum anderen bewegt wurde, und sicherstellen, dass kein Geld in der Mitte erschaffen oder vernichtet wurde.
Warum dies wichtig ist
Zuvor war das Verfassen dieser Regelbücher ein riesiger Flaschenhals. Es war wie die Anstellung eines Anwalts, der für jeden einzelnen Nagel in einem Haus einen Vertrag schreibt.
- Der Roboter erledigt die langweilige, mechanische Mathematik, die Menschen nicht gerne machen.
- Die KI übernimmt die Mustererkennung, bei der Roboter schlecht sind.
- Der Inspektor stellt sicher, dass keiner von beiden lügt.
Das Ergebnis ist ein System, in dem ein Entwickler die KI fragen kann: „Schreibe die Sicherheitsregeln für diesen Code", und die KI, vom Roboter geleitet und vom Inspektor geprüft, ein verifiziertes, sicheres Regelbuch viel schneller erstellt, als es ein Mensch allein könnte.
Das Fazit
Dies ist noch kein Zauberstab, der alles perfekt löst. Die KI muss weiterhin durch spezifische „Fähigkeiten" (Anweisungen zum Verhalten) geleitet werden, um Abkürzungen zu vermeiden. Aber es stellt einen großen Schritt nach vorne dar: eine Partnerschaft, bei der eine Maschine die Logik übernimmt, eine KI die Intuition und ein formaler Verifizierer die Wahrheit sicherstellt, alles zusammenarbeitend innerhalb der eigenen Coding-Umgebung des Entwicklers.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.