OSS-Fuzz 长期构建失败有了自动修复智能体:128 个可复现案例修好 62 个,29 个补丁被维护者合并
核心概要
持续模糊测试平台 OSS-Fuzz 上,部分项目长期卡在构建失败状态,模糊器因此无法产出新目标。FuzzMedic 用多个协作智能体在项目仓库与 OSS-Fuzz 配置之间定位根因、检索修复知识、记录每轮进展并回滚无效改动,在 128 个可复现失败上修复 62 个(48.44%),高于最强原生预算基线 CompileAgent 的 27 个(21.09%)。在与 Google 合作的 oss-fuzz-gen PR 实验中,29 个补丁经维护者审核合并,覆盖 28 个项目。
深度剖析
FuzzMedic 把 OSS-Fuzz 构建失败的修复做成一条可自动执行的流程:从构建日志出发,在项目仓库和 OSS-Fuzz 构建配置两个工作区之间判断该改哪里,再生成并验证补丁。 此前这类失败主要靠平台维护者与项目维护者人工协调,前者缺少项目上下文,后者缺少模糊测试与基础设施经验;通用构建修复工具面向 Maven 依赖、一般 C/C++ 构建或仓库级编译,不覆盖容器、插桩和模糊目标验证的约束。 在 128 个从真实 OSS-Fuzz 失败中复现的案例上,FuzzMedic 修复 62 个(48.44%),CompileAgent 修复 27 个(21.09%),SWE-Search 修复 17 个(13.28%),Agentless 修复 10 个(7.81%);其中 31 个案例只有 FuzzMedic 修好。
系统按轮推进:先定位根因提交,再取用经过审核的修复知识,每轮把构建结果压缩成记忆,并在改动让状态变差时把工作区回滚到此前可用的版本。 根因定位只依据构建日志和失败时间戳,用日志中的首个致命诊断构造候选提交集合,再通过反事实构建重放确认:父提交能构建、重新应用该提交能复现同样的失败阶段和诊断。 修复知识库由 188 个历史失败(来自 110 个项目)提炼出 43 条错误模式条目和 13 条通用准则,并排除全部 113 个评测项目及关联事件;消融中移除回滚组件使修复数从 62 降到 42,移除根因定位降到 46,移除修复知识降到 52,移除记忆组件降到 51。
启示与展望
评测限定在 128 个可复现的 OSS-Fuzz 构建失败上,这些案例来自 113 个项目,其中编译错误与依赖问题合计 112 个;成功判据是补丁在重建环境中通过 OSS-Fuzz 的 check_build。真实部署部分是与 Google 合作的 oss-fuzz-gen PR 实验,补丁先经人工验证再提交维护者审核,属于实验性集成而非无人值守的生产服务。
同一套 128 案例既用于参数选择又用于评测,结果可能偏乐观;各方法的原生预算在 token、时间和构建次数上并不等价,匹配 token 与时间上限的比较也未匹配构建与交互次数。成功判据只说明构建恢复,不保证保留测试覆盖或语义等价;知识库虽排除了评测项目,仍无法完全排除闭源模型预训练中已出现的公开修复。
