Automated Program Repair Based on REST API Specifications Using Large Language Models

文章主要内容与创新点总结一、主要内容本文针对REST API客户端程序开发中常见的规范违背问题（如端点不匹配、请求头/请求体缺少必填属性等），提出了一种基于大语言模型（LLM）的自动程序修复方法dcFix。该方法通过以下核心步骤实现REST API误用的检测与修复：偏差点与未满足规范检测：从API规范（YAML/JSON格式）中提取域名等关键信息，定位客户端代码中调用目标API的代码片段；通过静态分析和数据流分析，验证端点、请求头、请求体是否符合API规范，识别出不满足规范的代码片段（偏差点）及对应的未满足规范。LLM驱动修复：将偏差点、未满足规范及相关代码整合到预定义模板中生成提示词，输入LLM以生成符合API规范的修正代码，且不改变程序整体结构。实验验证：基于SwitchBot和Philips Hue API的实际误用案例数据集开展实验，验证了dcFix的检测能力和修复效果，结果显示其在偏差点检测和误用修复率上均优于不含偏差点与未满足规范信息的基线方法。二、创新点提出了融合程序分析与LLM的混合修复方法：不同于直接使用LLM，dcFix先通过静态分析和数据流分析识别REST API相关的偏差点与未满足规范，再将这些关键信息融入LLM提示词，提升修复针对性。针对REST API的调用特性设计检测逻辑：考虑到REST API与Java API在调用模型上的差异（REST A