用于自动修复 REST API 误用的数据库增强 RAG

许多物联网（IoT）服务都提供表述性状态传输（REST）API，这需要客户端开发人员实现符合相应API规范的应用程序。当客户端程序包含API滥用时，开发人员根据错误响应进行调试。然而，此类响应通常不足以确定根本原因，需要开发人员反复与服务器进行通信。检索增强生成 (RAG) 是一种为 大语言模型 (LLM) 提供外部知识的有前途的方法。然而，在 REST API 误用的自动修复中，仍不清楚规范应如何存储在 RAG 数据库中。本研究评估了组织 API 规范的不同配置如何影响基于 RAG 的 REST API 误用修复。我们构建了 11 个具有不同数据库结构的 RAG 配置，并将它们的修复率与基准方法进行了比较。为了进行评估，我们使用了从现实存储库收集的 REST API 误用案例。结果表明，在研究的数据集中，基线方法的修复率为 54.3%，而使用四个数据库的基于 RAG 的方法的最大修复率为 88.6%。这些结果表明，根据版本和内容类型组织规范可能是基于 RAG 的 REST API 误用修复的有效设计选择。