一种动态信息增强大语言模型的自动程序修复方法

本发明涉及提出了一种动态信息增强大语言模型的自动程序修复方法。该方法采集缺陷程序执行过程中的关键信息(如变量状态、执行路径等)，并将其结构化地整合到LLM的输入提示中，使得LLM能够深入理解缺陷代码的执行行为与故障发生机理。同时，该方法将对错误补丁执行过程中的动态语义信息进行捕获，帮助LLM分析修复失败的原因并优化后续修复策略。本方法通过引入结构化的动态调试信息，实现了类似于人类开发者“执行‑观察‑调试”的迭代修复机制，更贴近真实的软件维护与调试流程，有效模拟了人类开发者在实际调试过程中的认知推理过程，从而充分地释放LLM在程序修复任务中的潜力。