基于代码属性图与时序执行图的多视角智能体程序修复

针对大模型在自动程序修复中面临的执行轨迹冗余及补丁采样策略单一问题，本文提出 CT-Repair 框架。该框架将静态与动态证据转化为可查询的代码属性图和时序执行图，并通过三阶段过滤构建紧凑上下文。三个有限状态机引导的智能体分别从静态、动态及混合视角独立分析缺陷，生成基于证据的修复策略。实验表明，这种结构化证据与多视角推理方法显著提升了修复效果，优于现有基线模型。