💻 computer science

ARISE: A Repository-level Graph Representation and Toolset for Agentic Fault Localization and Program Repair

ARISE 是一个仓库级框架，通过引入包含过程内数据流边的多粒度程序图以及可查询的切片 API，增强了基于大语言模型的代理在故障定位和程序修复方面的能力，在 SWE-bench Lite 基准测试中实现了定位准确率和修复成功率的大幅提升。

原作者： Shahd Seddik, Fatemeh Fard

发布于 2026-05-06

📖 1 分钟阅读☕ 轻松阅读

原作者： Shahd Seddik, Fatemeh Fard

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你是一名侦探，试图在一座庞大而 sprawling 的城市（软件代码库）中侦破一起案件。这座城市拥有数千栋建筑（文件），每栋建筑内含数百个房间（函数），而房间中则摆放着无数家具和文件（代码行）。

你的任务是找到那一份特定的文件，其中包含导致城市电网瘫痪的谎言（漏洞），然后重写该文件以修复问题。

问题：在城市中迷失方向

过去，试图侦破这些案件的侦探（AI 智能体）面临两个主要问题：

他们只拥有建筑地图：他们知道哪栋建筑毗邻哪栋，以及哪栋建筑有门通向另一栋。但他们不知道信息如何在房间内部流动。
他们必须阅读所有内容：为了找到谎言，他们往往不得不阅读整本书，或扫描建筑中的每一页，希望能偶然发现线索。这种方法既缓慢又昂贵，且常常将他们引向错误的房间。

解决方案：ARISE（超级侦探的工具包）

作者创建了一个名为ARISE的新系统。将 ARISE 想象成赋予侦探一张超强大、交互式的 3D 城市地图，它不仅展示建筑，还精确展示特定证据（变量）如何在房间内部从一个文件移动到另一个文件。

以下是 ARISE 的工作原理，分解为三个简单工具：

1. 结构地图（第一层）

这是“建筑地图”。它告诉侦探：“这个文件包含这个类，该类调用了那个函数。”这就像知道图书馆与学校相连。这有助于侦探缩小搜索范围，确定要查找哪栋建筑，但无法告诉他们书中的哪一页出错了。

2. “顺藤摸瓜”工具（第二层——重大创新）

这是神奇的部分。在过去，如果侦探在文件中发现一个可疑数字，他们必须手动翻阅该数字前后的每一页，以查看该数字的来源或去向。

ARISE 引入了一种名为数据流切片的工具。想象你有一副魔法放大镜。你将它对准文件中的某个特定数字，并说：“向我展示所有接触过这个数字的内容。”

向后切片：放大镜会立即高亮显示所有创建或修改该数字的句子。
向前切片：它会高亮显示所有后续使用该数字的句子。

侦探无需阅读 50 页，而是获得一份仅包含真正重要的 5 到 6 个句子的单一高亮列表。这就像能够瞬间追踪一滴水从水龙头一直流到水槽，而忽略其余的管道系统。

3. 证据档案夹（第三层）

一旦侦探找到了可疑句子，他们必须将这些句子整合成一份报告以修复漏洞。有时，报告过长，导致侦探的大脑（AI 模型）不堪重负。
该工具充当一位聪明的图书管理员。它收集所有高亮句子，按重要性排序，并将它们打包成一份整洁、简明的“证据档案夹”，完美地装入侦探的背包（内存限制）中。这确保侦探能优先看到最重要的线索。

结果：它奏效了吗？

研究人员在来自流行软件项目的 300 个真实“案件”（漏洞）上测试了这一新系统。他们将 ARISE 与仅拥有基本工具的标准侦探（SWE-agent）进行了比较。

定位犯罪现场：标准侦探约有 57% 的概率猜对正确的建筑（文件）。ARISE 的正确率提升至 67%。
定位确切房间：标准侦探猜对正确房间（函数）的概率为 43%。ARISE 跃升至60%。
定位确切句子：标准侦探找到正确代码行的概率为 26%。ARISE 将其提升至41%。

最重要的是，由于侦探能够更快、更准确地找到确切问题，他们成功修复漏洞的比例达到了22%，而标准侦探仅为17%。

论文的关键要点

仅有结构是不够的：仅仅知道文件如何连接是不够的；你需要了解数据如何在代码内部流动。
“魔法放大镜”是关键：最大的改进来自数据流切片工具。它使 AI 能够跳过猜测，直接定位问题根源。
无需翻译：研究人员尝试增加一个步骤，让一个较小的 AI 将数据总结为通俗英语供主侦探阅读。他们发现这是不必要的。主侦探（大型 AI 模型）完全能够直接阅读原始的结构化数据。添加总结步骤只会浪费时间和金钱。
局限性：该系统非常擅长发现单个房间内部的问题。然而，如果问题始于一个房间，传递给邻居的房间，并在那里导致崩溃，侦探有时会感到困惑。这是作者指出未来需要更多工作的唯一领域。

简而言之，ARISE 为 AI 智能体提供了一种“追踪变量线索”的方法，将大海捞针般的搜索转变为直达解决方案的直接路径。

技术摘要：ARISE——面向代理式故障定位与程序修复的仓库级图表示与工具集

问题陈述

在仓库规模下的自动程序修复（APR）和故障定位，要求智能体（agents）能够导航跨越多个文件、模块和包的复杂代码库。尽管现有的智能体系统（例如 SWE-agent）能够与仓库进行交互，但由于缺乏语义精度，它们往往难以应对细粒度故障定位（即识别具体的函数和代码行）。

当前基于图的方法通常对结构关系（文件、类、函数及其调用/导入依赖）进行建模，但未能对过程内数据流进行建模。因此，智能体缺乏追踪变量值在过程内部如何定义和传播的能力。这一局限性迫使智能体依赖词汇相似度或宽泛的结构遍历，这对于精确定位导致错误的确切语句是不够的，尤其是当故障涉及函数内复杂的变量使用时。

方法论

作者提出了ARISE（代理式仓库级问题求解引擎），该系统通过引入结构化的、可查询的程序图以及三层工具 API，增强了 SWE-agent 框架。其核心创新在于将数据流切片（data-flow slicing）作为一级智能体原语进行集成。

1. 多粒度程序图

ARISE 构建了一个有向的、带类型的属性图（ $G = (V, E)$ ），统一了以下两层信息：

结构关系：节点代表目录、模块、类、函数、方法和语句。边捕捉包含、导入、继承和调用关系。
数据流关系：该图扩展到了语句级别。对于每个函数/方法，系统执行过程内分析以识别**定义 - 使用（def-use）**链。
- 节点：语句节点对应顶层抽象语法树（AST）语句。
- 边：DataflowDefUse 和 DataflowUseDef 边连接定义变量的语句和使用该变量的语句（反之亦然）。
- 作用域：此分析尊重词法作用域（处理 global/nonlocal 声明），并涵盖常见的 Python 赋值模式（赋值、增强赋值、循环目标、上下文管理器和参数）。

2. 三层工具 API

该图通过模块化 API 暴露给大语言模型（LLM）智能体，允许智能体迭代地查询证据：

第一层：结构检索：用于搜索实体、遍历调用/导入图以及检索代码片段的工具。这复现了先前基于结构图系统（如 RepoGraph、LocAgent）的能力。
第二层：数据流切片：核心创新点。get_dataflow_slice 工具允许智能体追踪变量流。给定一个种子（文件、行、变量）和一个方向（向后、向前或双向），它返回一个结构化的语句片段列表，这些片段定义或消耗了该变量。这使得智能体能够通过单次查询回答“哪些语句影响了该变量？”。
第三层：上下文打包：工具（build_context_bundle、rank_suspect_regions）将检索到的证据组装成受令牌预算限制的上下文包。它们基于 TF-IDF 相关性、结构邻近度和切片成员资格对代码片段进行评分，确保将因果相关性最强的代码呈现给修复子智能体。

3. 智能体循环

ARISE 在 SWE-agent 框架上运行。智能体通过多轮协议与仓库交互，根据需要选择调用结构工具、切片工具或打包工具。该系统设计为框架无关，允许将图构建器和切片 API 作为插件直接嵌入任何具备工具使用能力的智能体中。

主要贡献

多粒度程序图：一个统一了结构组织与语句级过程内数据流信息的仓库图，使智能体能够直接查询值传播。
作为智能体原语的数据流切片：引入 get_dataflow_slice 作为可查询工具。与静态预处理不同，这允许智能体在推理过程中动态追踪变量定义和使用，返回模型可直接推理的结构化输出。
框架无关的工具集：图构建器和切片 API 的解耦实现，设计为未来 APR 研究的即插即用插件，无需重新实现底层分析逻辑。

实验结果

该系统在SWE-bench Lite（11 个 Python 仓库中的 300 个真实 GitHub 问题）上进行了评估，使用Qwen2.5-Coder-32B-Instruct作为骨干模型。

定位性能

与未修改的 SWE-agent 基线相比：

函数 Recall@1：提高了17.0 个百分点（从 43.0% 提升至 60.0%）。
行 Recall@1：提高了15.0 个百分点（从 26.0% 提升至 41.0%）。
文件 Recall@1：提高了 10.0 个百分点。
消融洞察：
- 添加第一层（结构）提供了相对于 SWE-agent 的基线改进。
- 添加第二层（数据流切片）带来了最大的单步增益（函数 Recall@1 提升 +7.0 个百分点），证实了数据流追踪对于细粒度定位至关重要。
- 添加第三层（上下文打包）提供了进一步的增量增益。
- ARISE-Coarse（第一层 + 第二层架构但无数据流边）的表现与仅第一层相似，证明改进来自于图数据本身，而不仅仅是额外工具的存在。
- ExplainSlice（为切片添加自然语言摘要）未提供可测量的改进，表明大型代码模型（32B 规模）可以直接对结构化切片输出进行推理，无需自然语言中介。

修复性能

Pass@1：ARISE-Full 达到了22.0%（66/300），比 SWE-agent 基线（17.3%）提高了4.7 个百分点。
相关性：随着更精确工具的加入，函数 Recall@1 与 Pass@1 之间的 Spearman 相关性呈现出强烈的单调递增趋势（从 SWE-agent 的 0.38 增加到 ARISE-Full 的 0.53）。这证实了在此设置下，定位质量是修复成功的约束瓶颈。

意义与主张

该论文主张，仓库级 APR 的主要瓶颈不仅仅是 LLM 的推理能力，而是相关上下文如何被定位和结构化。

作为检索原语的数据流：作者认为，将过程内 def-use 切片作为一级工具暴露出来，比仅依赖结构拓扑更有效。它减少了搜索空间，允许智能体基于单次向后切片就确立函数级假设，而无需遍历宽泛的调用图。
结构化与自然语言：结果挑战了“结构化分析必须总结为自然语言供 LLM 使用”的假设。在 32B 参数规模下，模型直接消费结构化切片输出，使得总结层变得不必要且成本高昂。
适度局限性：作者承认当前系统是过程内的。它无法追踪跨越调用边界的变量流（过程间），这占剩余失败案例（错误文件错误）的 45%。他们指出，扩展到过程间切片是未来工作的主要方向。此外，由于依赖于 AST 节点类型，该方法目前特定于 Python。

总之，ARISE 证明了通过精确的、可查询的数据流图增强智能体工作流，可以显著提高故障定位能力，进而提高自动程序修复的成功率。