Resumo Técnico: RustPrint – Migração de Base de Código Orientada por Documentação de C para Rust

Declaração do Problema

A migração de repositórios legados de C para Rust é crítica para abordar vulnerabilidades de segurança de memória inerentes ao modelo de ponteiros de C, mas permanece um desafio de engenharia significativo. Ferramentas de tradução existentes (por exemplo, C2Rust) frequentemente operam no nível de arquivo ou função, preservando estruturas estilo C e resultando em uso pesado de blocos unsafe, ou falham em capturar a intenção arquitetural, o fluxo de dados e a racionalidade de design do sistema original. Além disso, as abordagens atuais baseadas em Modelos de Linguagem Grandes (LLMs) frequentemente lutam com tarefas em escala de repositório, falhando em produzir saídas compiláveis para grandes bases de código (11 mil a 84 mil Linhas de Código) devido à falta de compreensão holística e coordenação entre módulos. O problema central é que a migração é fundamentalmente uma tarefa de compreensão de base de código que requer um modelo mental de estruturas de dados compartilhadas, limites de módulos e invariantes entre arquivos, que estratégias de tradução isoladas não conseguem recuperar.

Metodologia: O Framework RustPrint

O RustPrint é um framework multiagente projetado para migração de C para Rust em nível de repositório. Ele introduz um paradigma orientado por documentação, onde documentação gerada automaticamente serve como uma representação intermediária (RI) para guiar o planejamento, a tradução e o refinamento. O framework opera através de um pipeline de cinco estágios:

1. Tradução de Código Orientada por Documentação

Em vez de traduzir código unidade por unidade, o RustPrint primeiro gera documentação holística da base de código fonte em C usando um módulo dedicado DocGen.

• Processo: O repositório fonte é agrupado no nível de arquivo e depois elevado para abstrações de componentes de nível superior. O módulo DocGen produz documentação estruturada ($S_{doc}$) que captura recursos abstratos, interações de módulos e racionalidade de design, em vez de apenas descrições sintáticas.
• Agentes:
  • Planejador: Converte $S_{doc}$ em um plano de implementação no nível de crate (IMPLEMENTATION_PLAN.md), resolvendo detalhes arquitetônicos e definindo responsabilidades de componentes.
  • Tradutor: Implementa cada crate planejado, iterando com cargo_check para garantir compilabilidade e detect_unsafe para minimizar blocos inseguros.
  • Sintetizador: Realiza integração em nível de repositório, resolvendo dependências entre crates e gerando um README.md unificado.

2. Refinamento de Código Orientado por Requisitos

Para garantir completude semântica, o RustPrint emprega um mecanismo de refinamento iterativo que compara a documentação da base de código Rust gerada ($T_{doc}$) com a documentação fonte ($S_{doc}$).

• Mecanismo: O sistema aproxima a preservação funcional via equivalência de documentação: $CodeEquiv(S, T) \approx DocEquiv(S_{doc}, T_{doc})$.
• Agente: O Refinador de Requisitos identifica lacunas onde $T_{doc}$ falha em corresponder a $S_{doc}$ (por exemplo, recursos omitidos, APIs incompatíveis). Ele edita o código traduzido usando str_replace_editor, verifica a compilação e repara iterativamente funcionalidades ausentes ou desalinhadas.

3. Revisão de Código Consciente de Execução

Reconhecendo que a comparação de documentação não pode expor todos os erros de tempo de execução, o framework adiciona um loop de feedback orientado por testes.

• Processo: A suíte de testes fonte é traduzida para Rust pelo Tradutor de Testes.
• Agente: O Revisor de Execução analisa testes falhos usando cargo_single_test. Ele atualiza apenas o código de produção traduzido (não os testes) para corrigir inconsistências comportamentais, como casos de borda, atualizações de estado ou incompatibilidades de protocolo que sobrevivem ao alinhamento estático, mas falham sob execução concreta.

Contribuições Principais

1. Paradigma de Migração Orientado por Documentação: O artigo propõe o uso de documentação de base de código gerada automaticamente como representação intermediária para tradução em nível de repositório. Esta abordagem codifica a compreensão de toda a base de código antes da tradução, permitindo a geração de Rust idiomático que preserva a intenção arquitetural em vez de meramente replicar a estrutura sintática.
2. Refinamento Iterativo Orientado por Documentação: Um mecanismo que avalia e melhora o código Rust gerado comparando sua documentação com a fonte, identificando sistematicamente lacunas de cobertura e promovendo alinhamento estrutural.
3. Revisão Consciente de Execução: A integração de feedback orientado por testes permite que o sistema corrija iterativamente inconsistências comportamentais através da execução dinâmica de testes, alcançando correção funcional além do que a tradução estática garante.
4. Avaliação em Grande Escala: O framework é avaliado em oito repositórios C do mundo real variando de 11 mil a 84 mil Linhas de Código, abordando a limitação de trabalhos anteriores que focaram em pequenos benchmarks.

Resultados Experimentais

A avaliação foi conduzida em oito repositórios usando dois modelos base: um modelo de pesos abertos (Kimi-K2-Instruct) e um modelo de pesos fechados (GPT-5.4). As linhas de base incluíram ferramentas tradicionais (C2Rust) e agentes baseados em LLM (Self-Repair, EvoC2Rust e uma linha de base agênica Claude Code).

• Compilabilidade do Projeto: O RustPrint compilou com sucesso cada repositório alvo sob ambos os modelos base. Em contraste, tradutores LLM de linha de base (Self-Repair, EvoC2Rust) falharam em produzir repositórios compiláveis de ponta a ponta nesta escala. O C2Rust compilou, mas manteve uso pesado de unsafe.
• Preservação de Recursos: Medido via pontuação CodeWikiBench, o RustPrint superou significativamente a linha de base Claude Code.
  • Com Kimi-K2-Instruct: O RustPrint alcançou 93,26% vs. 52,52% para o Claude Code.
  • Com GPT-5.4: O RustPrint alcançou 97,76% vs. 48,87% para o Claude Code.
• Correção Funcional: Usando um protocolo de avaliação cruzada (testando a saída do RustPrint com os testes do Claude Code e vice-versa), o RustPrint demonstrou robustez superior.
  • Kimi-K2-Instruct: 95,17% de Taxa de Aprovação de Testes (TPR) vs. 79,85% para o Claude Code.
  • GPT-5.4: 98,70% de TPR vs. 79,85% para o Claude Code.
• Segurança: O RustPrint alcançou altas taxas de segurança, minimizando blocos unsafe. Com GPT-5.4, atingiu 99,41% de taxas seguras no nível de API e 98,47% no nível de arquivo, superando outros métodos.

Significado e Alegações

O artigo alega que a coordenação orientada por documentação é uma direção viável e eficaz para migração escalável de bases de código. Os resultados sugerem que tratar a migração como um problema de coordenação entre arquivos, interfaces e etapas de reparo — em vez de uma tarefa bruta de geração de código — é essencial para o sucesso em escala de repositório.

Os autores enfatizam que:

• Planejamento e refinamento importam mais do que tradução de uma só vez: O loop iterativo de gerar documentação, compará-la com a fonte e refinar com base no feedback de execução é crítico para lidar com dependências complexas entre módulos.
• A documentação atua como um guia operacional: Não é apenas contexto de fundo, mas um blueprint funcional que impulsiona a recuperação de requisitos ausentes e o alinhamento estrutural.
• Correção comportamental é alcançável: Os resultados de testes entre suítes indicam que os ganhos não são apenas documentais; os repositórios traduzidos preservam o comportamento real de tempo de execução.

O artigo conclui que, embora o estudo atual represente um forte primeiro resultado em repositórios realistas, a abordagem deixa caminhos claros para melhoria futura, como o tratamento de repositórios de linguagens mistas, dependências externas mais profundas e sistemas de construção menos padronizados. Os autores posicionam o RustPrint como um método prático para escalar a tradução baseada em LLM de arquivos isolados para tarefas de engenharia de nível de repositório completo.