Prometheus项目：用可执行规格弥合代码修复中的"意图鸿沟"

Prometheus项目提出创新框架，通过逆向工程从运行时故障报告中提取Gherkin可执行规格，解决自动程序修复（APR）领域的"意图鸿沟"问题。该框架实现93.97%的正确修复率，成功挽救74.4%的复杂缺陷，研究表明APR未来在于与可执行规格的对齐能力而非更大模型。

自动程序修复（APR）中，AI生成的补丁常与开发者原始意图存在"意图鸿沟"，导致过度修复或新bug。现有缓解策略如自然语言摘要（依赖注释/文档，常缺失或过时）、对抗采样（无法确保意图一致）均缺乏确定性约束。Prometheus核心洞察：先推断正确规格，而非直接生成修复代码，借鉴行为驱动开发（BDD）理念。

Prometheus采用三阶段协作架构：

1. 故障分析与规格逆向工程：从错误信息、堆栈跟踪和失败测试用例推断Gherkin规格（Given-When-Then结构）。
2. 需求质量保证循环（RQA Loop）：通过生成候选修复、验证测试、反馈修正规格，用真实代码作为代理预言机验证规格准确性。
3. 约束引导的代码生成：以验证后的规格为约束，生成最小化代码变更，避免过度工程。

在Defects4J基准测试（680个Java缺陷）中：

• 正确修复率：639/680（93.97%），远超现有方法20-40%的水平。
• 挽救率：修复119个盲智能体无法解决的复杂缺陷，挽救率74.4%。 质性分析显示：盲智能体倾向过度工程，而Prometheus修复精准，保持代码结构完整性。

Prometheus的启示：

• 规格优先：规格推断能力比代码生成能力更重要，符合软件工程最佳实践。
• 可执行规格价值：Gherkin规格兼具人类可读性与可执行性，是连接意图与实现的桥梁。
• 多智能体协作：不同智能体专注子任务，通过结构化中间表示协作，提升性能。

当前局限：

• 仅针对Java语言和Defects4J风格单元测试缺陷。
• RQA循环依赖测试套件质量，测试不完整可能导致验证错误。 未来方向：
• 扩展到其他编程语言和缺陷类型（如并发bug、性能问题）。
• 结合静态分析提升规格推断准确性。
• 探索从自然语言需求文档提取规格的可能性。