软件缺陷的修复方法及电子设备与流程

摘要: 本发明涉及软件工程,具体涉及一种软件缺陷的修复方法及电子设备。背景技术:1、随着软件规模与复杂度持续增长,软件缺陷修复已成为软件维护中最耗时且关键的环节。传统缺...
软件缺陷的修复方法及电子设备与流程

本发明涉及软件工程,具体涉及一种软件缺陷的修复方法及电子设备。

背景技术:

1、随着软件规模与复杂度持续增长,软件缺陷修复已成为软件维护中最耗时且关键的环节。传统缺陷修复流程依赖开发人员人工阅读缺陷工单、手动定位问题代码、编写修复补丁、运行测试验证,最终提交代码审查与合并。该流程存在以下突出问题:修复效率低,开发人员需频繁在缺陷管理平台、代码仓库与ci/cd(continuous integration/continuousdelivery,持续集成/持续交付)平台之间切换,大量时间消耗于上下文切换与信息检索;修复质量不稳定,人工修复质量受开发人员经验水平影响较大,复杂缺陷或跨模块缺陷易出现修复不彻底或引入回归缺陷;知识无法沉淀复用,每次修复的经验与模式无法被系统性地记录与复用,相似缺陷反复出现时仍需从头分析;缺乏自适应优化能力,现有自动化工具通常采用固定规则或静态模型,无法根据修复反馈持续优化自身修复策略,导致修复准确率在长期使用中无法提升。

2、相关技术中,各技术方案独立运作不能持续学习与自我优化的能力,且对缺陷工单业务上下文的缺乏深度理。

技术实现思路

1、本技术提供了一种软件缺陷的修复方法及电子设备,通过工单驱动,将工单解析、代码定位与缺陷分析、提示构造与知识检索、补丁生成与评分、补丁验证与修复依次衔接,形成从缺陷工单到软件修复的端到端自动化流程,减少人工在缺陷管理平台、代码仓库与ci/cd平台之间频繁切换所耗费的时间,提高缺陷修复效率;同时,通过多维度评分与验证条件的双重约束,保证只有在补丁质量达标且验证通过时才执行修复,降低修复不彻底或引入回归缺陷的风险,提高修复质量的稳定性。

2、第一方面,提供了一种软件缺陷的修复方法,包括:获取软件的待处理缺陷工单,对待处理缺陷工单进行解析,以获得待处理缺陷工单的结构化工单信息和多维关联数据;基于结构化工单信息、多维关联数据和代码仓库日志生成候选代码文件集,并基于结构化工单信息和预设规则映射数据,对候选代码文件集进行分析以得到代码分析结果;基于代码分析结果和预设提示模板库构造提示模板框架,并根据预设检索策略、结构化工单信息和代码分析结果,从预设知识检索库中获取待处理缺陷工单的相关上下文数据集;基于结构化工单信息将相关上下文数据集填充进提示模板框架以生成目标提示数据;基于预设温度-模型映射表、目标提示数据和多个预设大语言模型生成候选补丁集,并基于预设评分策略对候选补丁集中的每个候选补丁进行评分以生成补丁评分集;将补丁评分集中补丁评分最高的候选补丁作为推荐补丁;对推荐补丁进行验证以生成补丁验证结果,响应于补丁验证结果满足预设验证条件且推荐补丁对应的补丁评分大于等于预设评分阈值,根据推荐补丁对软件进行修复。

3、本技术实施例的软件缺陷的修复方法,提高了缺陷修复效率;同时,保证只有在补丁质量达标且验证通过时才执行修复,降低修复不彻底或引入回归缺陷的风险,提高修复质量的稳定性。

4、结合第一方面,在某些可能的实现方式中,结构化工单信息包括堆栈跟踪数据和关键词数据,基于结构化工单信息、多维关联数据和代码仓库日志生成候选代码文件集,包括:对堆栈跟踪数据进行解析,以获取第一候选文件列表和第一候选文件列表中每个候选文件的置信度评分;基于关键词数据在预设代码仓库进行检索,以获取第二候选文件列表和第二候选文件列表中每个候选文件的置信度评分;将多维关联数据中与待处理缺陷工单有关的文件作为第三候选文件列表,并计算出第三候选文件列表中每个候选文件的置信度评分;对代码仓库日志进行解析,以获取第四候选文件列表和第四候选文件列表中每个候选文件的置信度评分;基于预设置信策略对第一候选文件列表、第二候选文件列表、第三候选文件列表和第四候选文件列表中的每个候选文件进行计算,以得到每个候选文件的置信度综合评分;基于每个候选文件以及每个候选文件的置信度综合评分生成候选代码文件集。

5、本实施例通过多策略并行定位与加权融合,从多个信息维度综合确定可疑代码位置,避免单一策略定位偏差,提高代码定位的准确性与鲁棒性。

6、结合第一方面,在某些可能的实现方式中,结构化工单信息包括缺陷类型,基于结构化工单信息和预设规则映射数据,对候选代码文件集进行分析以得到代码分析结果,包括:基于缺陷类型调取预设规则映射数据中与待处理缺陷工单相关的分析规则;基于分析规则对候选代码文件集进行分析以得到代码分析结果。

7、本实施例根据缺陷类型自适应调取并动态调整分析规则,使静态分析更具针对性,避免无关规则产生的噪声与性能开销,提高代码分析的精准度与效率。

8、结合第一方面,在某些可能的实现方式中,相关上下文数据集中每个上下文数据包括时间新鲜度和历史引用率,基于结构化工单信息将相关上下文数据集填充进提示模板框架以生成目标提示数据,包括:基于结构化工单信息和每个上下文数据计算每个上下文数据的语义相似度得分;基于语义相似度得分、时间新鲜度和历史引用率进行计算,以得到每个上下文数据的信息密度得分;基于信息密度得分对相关上下文数据集中每个上下文数据进行降序排序;将排序后的相关上下文数据集中的上下文数据依次填充进提示模板框架,直至填充后的提示模板框架满足预设填充截止条件。

9、本实施例通过语义相似度得分、时间新鲜度与历史引用率综合计算信息密度得分,并按信息密度降序自适应填充提示模板框架,确保最关键信息优先进入上下文窗口,避免关键信息被截断,同时保留输出空间,提高目标提示数据的质量与大型语言模型输出的完整性。

10、结合第一方面,在某些可能的实现方式中,基于预设温度-模型映射表、目标提示数据和多个预设大语言模型生成候选补丁集,包括:基于预设温度-模型映射表将目标提示数据分别输入至每个预设大语言模型中,以得到预设温度下每个预设大语言模型生成的第一候选补丁;对目标提示数据进行微调操作,并基于预设温度-模型映射表将微调后的目标提示数据分别输入至每个预设大语言模型中,以得到预设温度下每个预设大语言模型生成的第二候选补丁;基于第一候选补丁和第二候选补丁生成候选补丁集。

11、本实施例通过温度多样性采样、多模型并行调用与提示模板变体相结合,生成多个候选补丁,丰富候选补丁的多样性,避免单一模型与单一提示策略生成方案的局限,提高筛选出高质量修复补丁的概率。

12、结合第一方面,在某些可能的实现方式中,基于预设评分策略对候选补丁集中的每个候选补丁进行评分,包括:对候选补丁进行语法检查,以得到候选补丁的语法正确性评分;对候选补丁进行静态安全检查,以得到候选补丁的安全性评分;对候选补丁进行语义一致性检查,以得到候选补丁的语义一致性评分;对候选补丁进行回归风险检查,以得到候选补丁的回归风险评分;对候选补丁进行代码风格合规性检查,以得到候选补丁的代码风格合规性评分;基于语法正确性评分、安全性评分、语义一致性评分、回归风险评分和代码风格合规性评分进行计算,以得到候选补丁的补丁评分。

13、本实施例通过语法正确性、安全性、语义一致性、回归风险与代码风格合规性五个维度对候选补丁进行自动评估并加权融合,全面衡量候选补丁的质量,提高补丁评分的准确性与可靠性。

14、结合第一方面,在某些可能的实现方式中,软件缺陷的修复方法还包括:响应于补丁验证结果未满足预设验证条件或推荐补丁对应的补丁评分小于预设评分阈值,提取推荐补丁的缺陷信息;基于目标提示数据和缺陷信息生成修正提示数据,基于修正提示数据和多个预设大语言模型生成修正补丁,并对修正补丁进行评分以生成修正补丁评分;对修正补丁进行验证以生成修正补丁验证结果;响应于修正补丁验证结果满足预设验证条件且修正补丁对应的修正补丁评分大于等于预设评分阈值,根据修正补丁对软件进行修复。

15、本实施例当推荐补丁未通过验证或评分不足时,自动提取缺陷信息并构造修正提示数据,驱动大型语言模型对补丁进行迭代修正与重新评估,从而在不依赖人工介入的情况下提升补丁质量,提高自动修复的成功率,并在多轮修正仍不达标时升级人工处理,保证修复过程的安全可控。

16、结合第一方面,根据推荐补丁对软件进行修复之后,还包括:获取软件的修复结果,并基于结构化工单信息、代码分析结果、相关上下文数据集、候选补丁集、验证结果和修复结果生成推荐补丁的修复过程数据;基于修复过程数据对预设检索策略、预设评分策略、预设评分阈值和预设规则映射数据进行调整。

17、本实施例通过将每次修复的全过程数据结构化记录为修复过程数据,并据此对预设检索策略、预设评分策略、预设评分阈值和预设规则映射数据进行调整,使各策略参数随修复经验的积累持续优化,实现修复能力的自适应演化,提升后续修复的准确率与自动化程度。

18、结合第一方面和上述实现方式,在某些可能的实现方式中,软件缺陷的修复方法还包括:响应于修复结果包括自动修复成功,将修复过程数据作为正样本修复过程数据;响应于正样本修复过程数据的数量满足预设调整数量阈值,基于正样本修复过程数据分别对每个预设大语言模型的参数进行调整。

19、本实施例通过将自动修复成功的修复过程数据作为正样本修复过程数据,并在正样本修复过程数据的数量满足预设调整数量阈值时,基于正样本修复过程数据对每个预设大语言模型的参数进行调整,使大型语言模型逐步适配目标项目的代码特征与修复风格,从而在积累足够修复经验后进一步提升修复的准确率与自动化程度。

20、第二方面,提供一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序,以实现前述的软件缺陷的修复方法。

21、根据本技术的电子设备,处理器执行存储在存储器的程序时,实现前述的软件缺陷的修复方法。提高了缺陷修复效率;同时,保证只有在补丁质量达标且验证通过时才执行修复,降低修复不彻底或引入回归缺陷的风险,提高修复质量的稳定性。