基于 LangGraph 的 LLM 智能体用于自动化 Bug 修复的实证研究
软件工程
2025-02-27 v1
摘要
本文提出了一套新型自动代码生成与调试框架，旨在提高软件开发中的准确性、效率和可扩展性。该系统将 LangGraph、GLM4 Flash 与 ChromaDB 集成于四步迭代工作流程中，实现稳健的性能与无缝功能。LangGraph 作为基于图的任务编排库，提供精确的控制与执行，同时维持统一状态对象以实现动态更新与一致性。它支持多智能体、层次化和顺序化进程，高度适应复杂软件工程工作流程。GLM4 Flash 为大型语言模型，凭借在自然语言理解、情境推理和多语言支持方面的先进能力，能够根据用户提示生成准确的代码片段。ChromaDB 作为向量数据库，实现语义搜索与情境记忆存储，使其能够识别模式并基于历史数据生成具有情境感知的 Bug 修复方案。该系统通过结构化的四步流程运行：(1) 代码生成，将自然语言描述转化为可执行代码；(2) 代码执行，通过识别运行时错误与不一致性进行验证；(3) 代码修复，利用 ChromaDB 的记忆能力和 LangGraph 的状态跟踪对有缺陷代码进行迭代细化；(4) 代码更新，通过迭代修改确保代码满足功能与性能要求。
引用
@article{arxiv.2502.18465,
title = {Empirical Research on Utilizing LLM-based Agents for Automated Bug Fixing via LangGraph},
author = {Jialin Wang and Zhihua Duan},
journal= {arXiv preprint arXiv:2502.18465},
year = {2025}
}