SmellCC：自动代码异味修复工具

代码异味会通过积累技术债务来严重威胁软件的可维护性，但开发人员往往缺乏在紧张的发布时间表下手动解决这些缺陷的资源。虽然像 SonarQube 这样的静态分析工具可以提供精确的检测，但它们在很大程度上充当被动警报系统，从而将重构的负担留给了开发人员。为了弥补这一差距，我们提出了一种新颖的清理工具，即 SmellCC，它是一个 Visual Studio Code 扩展，它通过基于 LLM 的管道增强了 SonarQube，以自动检测和重构 Python 代码气味。通过采用思想链 (CoT) 和少样本学习，SmellCC 为最常见的 10 种气味提供就地、一键修复，有效防止开发过程中技术债务的积累。我们的定量评估表明，我们的 SmellCC 有望帮助开发人员以较高的准确度（即 91.3%）有效消除代码异味（清理率达 96.8%），确保重构后的代码保持语法正确和行为保留，从而显着提高软件的长期可维护性。