代码低语者：LLM 和基于图形的人工智能，用于气味和漏洞解决

代码异味和软件漏洞都会增加维护成本，但它们通常由单独的工具处理，这些工具会忽略结构上下文并产生嘈杂的警告。本文介绍了 The Code Whisperer，这是一个混合框架，它将基于图形的程序分析与 大语言模型 相结合，以在统一工作流程中检测、解释和修复可维护性和安全问题。该方法对齐抽象语法树 (AST)、控制流图 (CFG)、程序依赖图 (PDG) 和 词元级 代码嵌入，以便可以联合学习结构和语义信号。我们在多语言数据集上评估该框架，并将其与基于规则的分析器和单模型基线进行比较。结果表明，与仅图形或仅语言模型的方法相比，混合设计提高了检测性能并产生更有用的修复建议。我们还研究了可解释性和 CI/CD 集成，作为在日常软件工程工作流程中采用人工智能辅助代码审查的实际要求。