Ciallo：基于提示链和大语言模型的自动化程序修复框架

Ciallo是一个创新的自动化程序修复（APR）框架，核心在于结合大语言模型（LLM）的代码生成能力与提示链（Prompt Chaining）技术，通过结构化多阶段推理流程定位和修复软件缺陷。它解决了传统APR方法的局限（如模板匹配或搜索的不足），以及纯LLM单轮对话的缺陷（上下文限制、推理深度不足等）。本文将从背景、设计、技术架构、实验验证、部署使用等方面展开介绍Ciallo的特点与价值。

软件缺陷修复是开发中耗时且易出错的环节，大型项目约50%开发时间用于调试。传统APR技术受限于模板匹配或基于搜索的方法，难以处理复杂逻辑错误。近年来LLM在代码理解与生成上表现突出，Ciallo正是基于这一趋势，提出结合提示链与LLM的新型APR框架，以应对传统方法的挑战。

Ciallo名称源于"prompt chaining and large language models"缩写，核心设计哲学是通过结构化提示链引导LLM多阶段推理，而非一次性生成修复方案。相比单轮对话，提示链优势在于：1. 解决上下文窗口限制；2. 引导深度结构化推理；3. 提升结果可控性。通过分解复杂任务为连续子任务，每个阶段输出作为下一阶段输入，形成清晰推理链。

Ciallo技术架构包含三大组件：

1. AST差异分析：使用GumTree Spoon AST Diff工具，具备语义感知、粒度精细、噪音过滤优势；
2. 多阶段提示链：分为缺陷定位（分析失败测试定位可疑代码）、根因分析（识别根本原因与修复策略）、补丁生成（生成diff格式补丁）、补丁验证（运行测试验证修复）四个阶段；
3. plausible补丁筛选：通过语法检查、测试通过率验证、回归测试筛选有效补丁，存储于指定目录。

Ciallo使用Defects4J（APR研究标准数据集，含真实Java项目缺陷）验证。评估指标包括修复率、plausible补丁率、正确补丁率、平均修复时间。对比传统APR工具（如GenProg）和纯LLM方法，Ciallo展现更高修复率、更少错误修复、更好可解释性的优势。

Ciallo支持Docker化部署简化环境配置，快速开始步骤：

1. 克隆仓库；
2. 下载AST差异分析工具；
3. 配置OpenAI API密钥；
4. 拉取Docker镜像；
5. 启动容器运行。 可通过prog_params.py配置模型选择、输出目录、提示模板等参数。

Ciallo开发中解决三大挑战：

1. Token计数与成本控制：以GPT-4o embedding token计数为基准，记录各阶段使用量并提供成本预估；
2. 上下文长度限制：通过代码切片、分层摘要、迭代检索应对；
3. 补丁质量不稳定：采用温度调优（如0.2）、多采样策略、后处理验证提升稳定性。

Ciallo应用场景包括CI/CD流水线自动修复、代码审查辅助、遗留代码维护、教育研究平台。局限性有语言支持（当前主要Java）、大规模项目效率、复杂领域缺陷修复能力。未来方向：引入RAG技术、多智能体协作架构、强化学习优化提示链策略。