提示即所需：基于大语言模型的自动化 Android 缺陷复现

缺陷报告对软件维护至关重要，它使用户能够向开发者反馈使用软件时遇到的问题。因此，研究者已投入大量资源以实现缺陷复现的自动化，从而加快软件维护流程。然而，当前自动化方法的成功在很大程度上取决于缺陷报告的特征与质量，因为它们受限于手工构建的模式和预定义词汇表的局限性。受大语言模型（LLM）在自然语言理解方面成功的启发，我们提出 AdbGPT，一种轻量级新方法，通过提示工程自动从缺陷报告复现缺陷，无需任何训练和硬编码工作。AdbGPT 利用少样本学习和思维链推理，从 LLM 中引出人类知识与逻辑推理，以类似开发者的方式完成缺陷复现。我们的评估证明了 AdbGPT 在 253.6 秒内复现 81.3% 缺陷报告的有效性与高效性，优于最先进的基线与消融研究。我们还开展了一项小规模用户研究，以确认 AdbGPT 在增强开发者缺陷复现能力方面的实用性。