🤖 AI

AgenticRepair: Multi-Faceted Program Context Engineering for Agentic Vulnerability Repair

AgenticRepair 是一个多智能体框架，通过将三个关键且此前被忽视的程序上下文维度——代码结构、运行时执行和提交历史——工程化并集成到修复过程中，将自动化漏洞修复的成功率显著提升至 73%。

原作者： Michael Fu, Qiyue Mei, Patanamon Thongtanunam, Kla Tantithamthavorn

发布于 2026-08-03

📖 1 分钟阅读☕ 轻松阅读

原作者： Michael Fu, Qiyue Mei, Patanamon Thongtanunam, Kla Tantithamthavorn

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

想象一下，互联网是一座完全由代码构成的、繁忙且宏大的城市。在这座城市中，软件就是基础设施——桥梁、红绿灯和电网——它们维持着一切的运转。但有时，这些结构的蓝图会出现微小的、肉眼看不见的裂缝。这些裂缝被称为“漏洞”，它们不像只会让汽车减速的坑洼，代码中的裂缝可能会让窃贼潜入、窃取数据，甚至瘫痪整个城市。几十年来，修复这些裂缝一直是顶尖安全工程师的工作。他们就像“侦探外科医生”一样，在如山般的代码中进行人工搜寻，运行特殊的测试来观察建筑在哪里坍塌，并检查旧日志以了解最初出错的原因。这项工作缓慢、耗时，且修复一个漏洞往往需要数月之久。

最近，科学家们开始教计算机扮演这些“侦探外科医生”的角色。他们使用“AI智能体（AI agents）”——即能够阅读代码、运行测试甚至能自主重写文件的智能软件程序。把这些智能体想象成聪明的“初级实习生”，他们工作速度比人类快得多，但往往会错过人类专家能捕捉到的微妙线索。他们可能会修复一个拼写错误，却忽略了整个建筑其实地基不稳的事实。研究人员提出的核心问题是：我们该如何教会这些AI实习生像最优秀的专家那样思考？我们如何给他们提供正确的“工具”和“背景知识”，使他们不仅仅是在靠猜，而是真正理解安全漏洞存在的深层且复杂的原因？

这就是名为 AgenticRepair 的一项新研究所要解决的问题。来自澳大利亚的研究团队发现，问题的关键不在于AI不够聪明，而在于没有给予它正确的“上下文（context）”。想象一下，如果你在不知道水压是否过高、管道是否生锈、或者安装水龙头的管道工是否使用了错误的零件的情况下，试图修理一个漏水的水龙头。该团队构建了一个全新的系统，其运作方式就像一支功能强大的侦探小队。他们并没有让一个AI尝试完成所有工作，而是创建了一个由三个专门的“微型AI”组成的突击队，在主修复AI开始工作之前，先协作收集三种特定类型的线索。

首先，“结构智能体（Structure Agent）”观察代码是如何构建的，就像建筑师检查蓝图，看是否有两根管道在不该共用空间的地方发生了重叠。其次，“运行时智能体（Runtime Agent）”充当碰撞测试员，实际运行软件以观察它在何处以及如何崩溃，像侦探追踪面包屑路径一样追踪内存的变化。第三，“历史智能体（History Agent）”则挖掘项目的旧日志，如同历史学家阅读原始建造者的日记，以查明何时以及为何引入了脆弱的设计。

一旦这三个智能体收集齐了线索，它们就会将信息移交给第四个“修复智能体（Repair Agent）”。这个智能体拥有了编写完美修复方案所需的所有信息。研究团队在名为 SEC-Bench 的大规模挑战赛上测试了该系统，该挑战赛包含了来自流行软件项目的300个真实世界安全漏洞。结果令人印象深刻：AgenticRepair 成功修复了 73% 的漏洞（300个中的220个）。这与之前表现最好的AI方法相比是一个巨大的飞跃，后者的修复率仅为约 34%。

更酷的是，该系统的成功并非仅仅靠运气。研究人员通过实验发现，是什么让它如此高效。他们发现，这三种类型的线索（结构、运行时和历史）就像一个“三脚凳”：如果你移除其中一个，凳子就会摇晃；但如果你保留全部三个，它就会稳如磐石。他们还发现，拥有一个专业化的智能体团队，远比让单个AI独自承担一切要好得多。事实上，当他们尝试用单个智能体运行整个过程时，成功率几乎下降了一半。

这项研究表明，修复复杂安全漏洞的秘诀不仅在于让AI变得更聪明，更在于工程化它所看到的“上下文”。通过赋予AI与人类安全工程师相同的深度、多层次的理解力，该系统可以解决以往机器难以处理的问题。虽然该系统目前尚不完美——它在处理约 27% 的案例时仍会遇到困难，通常是因为生成的修复方案过于混乱或不符合规则——但它证明了“基于团队且具备专业化上下文”是一种获胜策略。它提醒我们，在生死攸关的网络安全世界中，最好的修复方案往往来自于理解整个故事，而不仅仅是那个破损的部分。

技术摘要：AgenticRepair：面向智能体漏洞修复的多维程序上下文工程

问题陈述

自动化漏洞修复旨在减少识别出的安全缺陷在分诊报告中所需的修复时间和精力。虽然近期的智能体 AI 方法在通用程序修复方面展现出了潜力，但在处理安全漏洞时却显得力不从心。与普通 Bug 不同，安全缺陷通常源于微妙的底层交互、跨文件数据流以及脆弱的历史代码模式。现有的智能体修复框架主要针对通用 Bug 设计，依赖于文件导航、代码检索以及编译器/测试反馈。它们缺乏构建人类安全工程师经常构建的那种丰富的、特定于安全的程序上下文的机制：即代码结构上下文（跨文件数据流、内存模式）、运行时执行上下文（崩溃语义、内存来源）以及提交历史上下文（脆弱代码的演进模式）。这一差距阻碍了智能体对复杂的、多文件漏洞进行正确的诊断与修复。

方法论：AgenticRepair 框架

作者提出了 AgenticRepair，这是第一个将多维程序上下文工程（multi-faceted program context engineering）工程化的智能体漏洞修复框架。该框架被定义为一个元组 $\langle V, E, A, C, P \rangle$ ，并分为两个主要阶段运行：

1. 多维程序上下文工程

三个专门的子智能体在沙箱环境中并行运行，根据输入的漏洞描述和消毒剂报告（ $V$ ）来工程化构建不同的上下文维度：

代码结构子智能体 ( $A_{struct}$ )：执行语义代码分析，以提取数据流关系、污点传播路径、控制流依赖以及脆弱的内存操作模式。它将结构的关注点和修复方向综合成一种结构化表示。
运行时执行子智能体 ( $A_{exec}$ )：在动态插桩（如 AddressSanitizer、Valgrind）下触发复现用例，以捕获崩溃签名、堆栈回溯、内存访问违规以及异常执行状态。它将这些信息压缩为运行时洞察和修复建议。
提交历史子智能体 ( $A_{hist}$ )：挖掘漏洞提交之前的版本控制历史，以重建演进模式。它提取相关的提交元数据、代码变更摘要以及历史修改上下文，以识别漏洞的起源。

这三种局部上下文（ $C_{struct}, C_{exec}, C_{hist}$ ）被综合成一个统一的多维程序上下文 ( $C$ )。

2. 基于工程化上下文的补丁合成

一个专门的修复子智能体 ( $A_{repair}$ ) 进行迭代操作。统一的上下文 $C$ 被持久化地嵌入到情境记忆窗口中，确保智能体的决策是基于工程化的理解而非表层代码。

智能体进入“合成-验证”循环：它生成最小候选补丁 ( $P$ )，将其应用于代码库，重新构建项目，并重新执行测试用例。
它在同一个记忆窗口内对验证结果进行持续反思，直到消毒剂报告不再显示任何违规行为，从而确认成功消除了漏洞。

该系统使用 smolagents 库实现，采用 ReAct（推理-行动）范式，其中子智能体对输入进行推理，调用领域特定工具（如 CodeQL、GDB、PyDriller），并对结果进行反思。

核心贡献

AgenticRepair 框架：第一个明确将增强的上下文程序洞察（代码结构、运行时行为、仓库历史）集成到自动化修复流水线中的智能体漏洞修复框架。
SEC-Bench 评估：在 SEC-Bench 上进行了全面评估，该基准包含 300 个真实的 C/C++ 漏洞实例，这些实例托管在隔离的 Docker 环境中，并通过消毒剂检查进行验证。
消融实验：通过广泛的分析，量化了多维上下文、多智能体脚手架以及基础模型能力的贡献。
开源复现：提供了所有的实验产物，包括执行日志、轨迹以及一个开箱即用的实现。

实验结果

在 300 个实例组成的 SEC-Bench 基准测试上进行评估，并采用严格的基于消毒剂的验证：

整体性能：AgenticRepair 实现了 73% 的成功率（220/300），在 SEC-Bench 排行榜中排名第一。
对比：它显著超越了最强的基线（使用 GPT-5.2 的 Smolagents），提升了 29%（44.7% vs. 73.3%）。在 200 个源自 CVE 的实例上，它也比 OpenHands、SWE-Agent 和 Aider 高出 41–52%。
跨文件能力：值得注意的是，40% 的成功修复涉及跨多个文件的编辑，证明了该框架处理复杂、跨文件安全问题的能力，而单文件方法往往会错过这些问题。
消融研究洞察：
- 上下文互补性：移除任何单一的上下文维度（结构、执行或历史）仅会导致轻微的性能下降（−0.5% 至 −2.0%），表明这些维度是相互互补的。
- 多智能体脚手架：将多智能体设置替换为单个智能体会导致 44.5% 的剧烈下降，凸显了分配认知负荷的必要性。
- 基础模型能力：性能随模型规模减小而显著下降（GPT-5-Mini 下降 25%，GPT-5-Nano 下降 65%），证实了对工程化上下文进行推理需要具备能力强大的基础模型。

意义与主张

本文声称，多维程序上下文工程是推进智能体漏洞修复的关键设计原则。通过弥合安全工程师诊断漏洞的方式（组建结构、运行时和历史信息）与智能体 AI 组建程序理解方式之间的差距，AgenticRepair 实现了对复杂安全缺陷的正确且安全的修复。作者得出结论，刻意进行这些上下文维度的工程化，结合多智能体脚手架，对于超越通用 Bug 修复并实现有效的安全漏洞修复至关重要。结果表明，未来的智能体修复系统必须超越简单的工具执行，转而整合结构化的、多维度的程序分析，以在安全关键领域取得高成功率。