💻 computer science

BLAgent: Agentic RAG for File-Level Bug Localization

BLAgent 是一种新颖的代理式检索增强生成框架，它通过代码结构感知编码、双视角查询转换和两阶段代理重排序来增强文件级缺陷定位，在 SWE-bench Lite 上实现了最先进的准确率，同时显著降低了成本并提升了下游自动化程序修复的成功率。

原作者： Md Afif Al Mamun, Gias Uddin

发布于 2026-05-19

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Md Afif Al Mamun, Gias Uddin

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

以下是关于BLAgent论文的通俗解释，使用类比和日常语言进行翻译。

大问题：大海捞针

想象你是一名机械师（软件开发者），正在试图修理一辆坏掉的汽车。一位顾客递给你一份投诉：“我向左转弯时，车子会发出奇怪的噪音。”

在软件世界里，这份投诉就是错误报告（Bug Report）。汽车是一个包含数百万行代码的巨大代码库（干草堆）。而发出噪音的那行特定代码就是针。

长期以来，试图修复这些错误的 AI 工具一直举步维艰，因为它们无法先找到那根针。如果 AI 猜错了引擎的哪个部分（错误的文件），它就会试图修复错误的地方，车子依然无法修好。这被称为错误定位（Bug Localization）。

解决方案：BLAgent（超级侦探）

作者们创建了一个名为BLAgent的新系统。把它想象成一位超级侦探，它不只是靠猜测；它采用一种智能的、循序渐进的调查过程，在尝试修复之前，先找出需要修复的确切文件。

BLAgent 使用了一种称为**代理式 RAG（检索增强生成）**的技术。用大白话来说，这意味着 AI 不会凭空“幻觉”出一个答案；它会去图书馆（代码库），找到正确的书（代码文件），阅读它们，然后思考答案。

以下是 BLAgent 的工作原理，分为三个简单的步骤：

1. 整理图书馆（智能分块）

想象你的图书馆一团糟。书被撕成两半，页面被随机粘在一起。如果你问图书管理员要一本关于“引擎”的书，他们可能会递给你一页写着“引擎”但实际上来自烹饪书的内容。

旧方法：传统 AI 将代码分割成随机的文本块，就像把书页一页页撕下来一样。
BLAgent 方法：BLAgent 使用结构图（称为 AST）。它知道一个“函数”或一个“类”就像完整的一章。它只在这些章节结束时切割代码。
秘密武器：它还在每一页上盖上了文件路径（书的地址）。如果错误报告中提到了特定的文件夹名称，BLAgent 可以立即将该地址与正确的书匹配。

2. 提出更好的问题（双视角查询）

想象你在向图书管理员寻求帮助。

糟糕的问题：“我的车坏了。”（太模糊）。
BLAgent 的策略：它提出两个不同的问题以获得最佳结果：
1. 结构性问题：“哪个文件包含 turn_signal 函数？”（寻找具体的名称和代码结构）。
2. 行为性问题：“哪个文件处理了车子转弯时发出噪音的情况？”（寻找症状和行为）。

通过同时提出这两个问题，BLAgent 撒下了更宽的网，确保不会因为错误报告使用的词汇与代码不同而错过正确的文件。

3. 侦探的调查（代理式重排序）

这是最重要的部分。图书馆给了 BLAgent 一份最可能的 15 本书（文件）的列表。但哪一本实际上是罪魁祸首？

旧 AI：挑选列表上的第一本书并试图修复它。
BLAgent（代理）：它表现得像个侦探。它不只是看封面；它会打开这些书，查看顶级候选者的骨架（目录和章节标题）。
- 它会问自己：“这个文件的结构符合案情吗？”
- 它为每个文件分配一个分数（0 到 10）。
- 然后，对于排名靠前的几个嫌疑人，它会阅读相关部分的实际文本，以做出基于证据的最终决定。

这种“有界推理”意味着侦探只调查最可能的嫌疑人，从而节省时间和金钱，而不是搜索整个图书馆。

为什么这很重要：修理店

该论文在著名的基准测试SWE-bench（真实世界软件错误的集合）上测试了 BLAgent。

结果：BLAgent 在 78% 到 86% 的情况下找到了需要修复的正确文件（具体取决于所使用的 AI 模型）。
对比：以前的方法找到正确文件的频率较低。
成本：BLAgent 比之前的最佳方法便宜 18 倍。旧方法就像雇佣 100 人的团队来搜索图书馆；而 BLAgent 就像雇佣了一位拥有地图的非常聪明的侦探。

对修复错误的影响：
当 BLAgent 接入自动修复系统时，该系统成功修复的错误比之前多了 20%。

类比：如果你给机械师错误的发动机零件，他们无法修好车。如果你给他们正确的零件（准确的定位），他们就能修好。BLAgent 确保机械师拿到正确的零件。

论文没有说的内容

它并没有声称能修复每一个错误。大约有 14% 的情况，正确的文件隐藏得太深，或者错误报告太模糊，以至于 BLAgent 也无法在列表顶部找到它。
它并没有声称自己是所有软件的万能灵药。它在 Python 项目（如测试中的项目）上效果最好，并且依赖于错误报告的质量。
它并没有说找到文件是唯一的步骤。一旦找到文件，AI 仍然必须编写实际的代码修复，这仍可能失败。但找到文件是最大的障碍。

总结

BLAgent 是 AI 寻找损坏代码的一种更聪明的方法。它不再随机猜测，而是更好地组织代码库，提出更聪明的问题，并在采取行动之前使用“侦探”步骤来验证证据。这使得它在寻找软件错误的根本原因时，速度更快、成本更低、准确度更高。

技术摘要：BLAgent：面向文件级缺陷定位的智能体 RAG

问题陈述

缺陷定位仍是软件维护中的关键瓶颈，尤其对于根因分析、分类和自动程序修复（APR）等下游任务而言。尽管基于大语言模型（LLM）的修复系统已取得进展，但其有效性从根本上受限于文件级定位的质量。在分层流水线中，不准确的文件选择会将错误传播至后续阶段（例如语句级定位或补丁生成），往往导致修复失败。

现有的代码检索增强生成（RAG）方法通常依赖静态检索和朴素的基于文本的分块，无法捕捉代码的结构复杂性或准确识别故障文件所需的推理能力。此外，纯基于嵌入的方法缺乏评估功能相关性的推理能力，而现有的智能体方法常采用无界图遍历，导致计算成本过高。

方法论：BLAgent 框架

作者提出了 BLAgent，这是一种专为文件级缺陷定位设计的新型智能体 RAG 框架。该系统整合了三个核心组件，以平衡准确性与成本：

1. 基于路径增强的 AST 分块的仓库编码

BLAgent 摒弃了朴素的文本分割，采用 CodeSplitter 基于抽象语法树（AST）边界（例如函数、类、逻辑块）对源文件进行分割。这确保了语义的完整性，防止代码结构被碎片化。

路径增强： 每个代码块前都附加其相对文件路径（例如 src/utils/math.py）。这在缺陷报告中的路径类信号（例如堆栈跟踪、模块引用）与代码块之间建立了直接的对齐通道，解决了自然语言描述与代码标识符之间的词汇不匹配问题。

2. 双视角查询转换

为了弥合缺陷报告与代码之间的语义鸿沟，BLAgent 利用 LLM 将每个缺陷报告分解为两个互补的查询：

结构转换（ $T_0$ ）： 专注于静态、语法方面，提取标识符、模块、函数名和堆栈跟踪上下文。
行为转换（ $T_1$ ）： 专注于运行时行为，捕捉观察到的症状、预期与实际输出以及触发条件。
这两个查询被独立用于从向量数据库中检索候选文件。生成的候选集被合并（去重），形成一个紧凑的池（限制为 15 个文件）供智能体使用。

3. 两阶段智能体重排序

BLAgent 通过两阶段过程对检索到的候选集进行有界推理：

阶段 1：基于骨架的智能体评分（SAS）： 一个基于 ReAct 的智能体迭代检查候选文件的结构骨架（类、函数签名、文档字符串）。它根据关于哪些文件需要修改的假设，分配相关性评分（0–10）。此阶段通过避免处理完整源代码，在上下文限制内高效运行。
阶段 2：证据锚定的重排序（EAR）： 为了解决平局并验证实现层面的相关性，阶段 1 中的前 $M$ 个（设为 5）文件进行单次推理。上下文被修剪，仅包含文件的全局结构以及检索器高亮的方法的完整实现。LLM 基于这一接地证据进行最终排名。

主要贡献

用于定位的智能体 RAG： BLAgent 引入了一种有界推理框架，将检索与迭代式、工具增强的推理相结合，避免了无界图遍历的高昂成本。
AST 感知、路径增强的分块： 论文证明，保留语法边界并用文件路径增强分块，与标准的基于文本或代码感知的分块相比，显著提高了检索召回率。
双视角查询： 该框架表明，将缺陷报告分解为结构和行为查询可提供互补的检索信号，增强了初始候选池的召回率。
成本高效的设计： 通过将推理限制在紧凑的、经检索过滤的候选集上并使用代码骨架，BLAgent 实现了高准确率，同时与基于图的智能体基线相比，显著降低了 Token 消耗和 API 成本。

实验结果

该框架在 SWE-bench-Lite 数据集（300 个真实世界的 Python 缺陷）上进行了评估。

定位准确率：
- 使用开源模型（GPT-OSS-120B），BLAgent 实现了 78.6% 的 Top-1 准确率 和 0.851 的 MRR。
- 使用闭源模型（Claude-4.6-Sonnet），它实现了 86.7% 的 Top-1 准确率 和 0.900 的 MRR。
- 这些结果优于最先进（SOTA）的基线，包括 LocAgent（一种基于图的智能体方法）和 Agentless（一种带有定位功能的 APR 框架），且优势往往十分显著。
成本效率： 在使用相同的闭源模型时，BLAgent 的成本比最强的基线（LocAgent）低 18 倍以上，完成所有 300 个实例的总成本约为 27 美元，而 LocAgent 在仅处理 182 个实例后就耗尽了 300 美元的预算。
对自动程序修复（APR）的影响： 当集成到 Agentless APR 框架中时，BLAgent 将端到端的问题解决率提高了 超过 20%（在多数投票下，从 27.6% 提升至 34.0%）。
泛化性： 该架构通过单次提示修改成功扩展至函数级定位，在不改变流水线结构的情况下实现了最先进（SOTA）的结果。

意义与主张

论文主张，BLAgent 通过有效结合检索和智能体推理，确立了文件级缺陷定位的新最先进水平。其主要意义在于证明了：

定位是决定性因素： 准确的文件级定位直接转化为端到端自动修复成功的可衡量增益。
有界推理优于无界遍历： 约束于高质量、经检索过滤的候选集的智能体推理，在准确性和成本方面均优于复杂的基于图的方法。
检索质量制约性能： 智能体流水线的有效性从根本上受限于初始密集检索器的召回率；因此，分块和查询转换的改进至关重要。
成本效益的可扩展性： 利用开源模型和高效的上下文管理（骨架）可实现高性能定位，使先进的缺陷定位无需专有模型或图遍历的过高成本即可触达。

作者总结道，虽然精确的定位是必要的，但不足以实现完美的修复，因为下游失败（函数/行级定位和补丁生成）仍然是显著的瓶颈。然而，BLAgent 为应对基于 LLM 的软件维护中的上游定位挑战提供了一个稳健且成本效益高的基础。