Holmes：工业规模混合语言移动崩溃的多模态智能体诊断

诊断超大规模工业应用中的移动崩溃因代码量巨大、混合语言环境复杂与无法本地复现失败而是艰巨挑战。传统静态分析在可扩展性上挣扎——而既有基于LLM的智能体常依赖事后场景中不可得的复现环境。我们呈现Holmes——综合多模态运行时信号（堆栈踪迹、日志与线程状态）以在无复现下重建失败上下文、自动化根因分析的多智能体系统。Holmes引入分层检索-探索-推理架构——利用低层工件（如寄存器、汇编）弥合开源业务逻辑与闭源系统框架间的语义鸿沟。经运行时线索动态压缩搜索空间——Holmes精确navigate 7000万行代码库定位非局部缺陷。在微信真实崩溃上评估——Holmes函数级故障定位准确率87.6%——平均调查时间削减超98%（至约77秒）——展示其把劳动密集调试转为高效验证工作流的有效性。