GraphLocator

GraphLocator是由北京大學高可信軟體技術教育部重點實驗室劉偉領導的研究團隊開發的一款軟體問題定位系統，位元組跳動的彭超和高鵬飛等研究人員也參與了研究。研究以預印本論文形式發表於2025年12月。

該系統首次將因果推理的概念系統性地套用於軟體問題診斷，通過構建“因果地圖”來定位問題根源。其技術核心由代碼依賴結構圖和因果問題圖兩個圖譜系統組成。在涵蓋Python和Java的三個大型軟體項目數據集測試中，GraphLocator的定位準確性相比現有方法平均提高了19.49%的召回率和11.89%的精確度。研究團隊已將該系統代碼開源。

基本介紹

• 發布時間：2025年12月
• 開發者：北京大學研究團隊
• 開源狀態：已開源
• 技術：因果推理
• 測試語言：Python
  Java
• 組成：代碼依賴結構圖
  因果問題圖

研發背景

GraphLocator是由北京大學高可信軟體技術教育部重點實驗室劉偉領導的研究團隊開發的一款軟體問題定位系統，位元組跳動的彭超和高鵬飛等研究人員也參與了該項研究。其相關研究成果以預印本論文形式發表於2025年12月，論文編號為arXiv:2512.22469v1。該研究旨在革新軟體問題的診斷方式，首次將因果推理的概念系統性地套用到軟體問題定位中。

系統組成

GraphLocator系統由兩個相互配合的“圖譜系統”組成：代碼依賴結構圖和因果問題圖，其診斷過程分為兩個階段：第一階段為“症狀定位”，第二階段為“動態因果追蹤”。

工作流程

整個診斷過程分為兩個相互配合的階段，第一階段稱為症狀定位，系統像經驗豐富的接診護士一樣收集和整理用戶報告的症狀信息，第二階段稱為動態因果追蹤，系統像資深偵探一樣沿著代碼依賴關係推理以定位問題根源。

實驗驗證

為驗證GraphLocator系統的有效性，研究團隊在三個大型軟體項目數據集上進行了測試，涵蓋了Python和Java兩種程式語言，總共包含987個真實的軟體問題案例。測試結果顯示，該系統在定位準確性上比現有方法平均提高了19.49%的召回率和11.89%的精確度，特別是在處理複雜的跨模組問題時表現優異。

開源情況

根據2026年1月2日的新聞，研究團隊已將GraphLocator的代碼開源。