title: “一分钟读论文：《自然语言摘要实现微服务多仓库 Bug 定位》” author: unbug categories: [AI, 软件工程] image: assets/images/arxiv-paper-microservice-bug.png tags: [featured, Bug定位, ICSE 2026, 微服务] date: 2026-02-28 00:00:00 +0800 —

一分钟读论文：自然语言摘要实现微服务多仓库 Bug 定位

微服务多仓库 Bug 定位

📝 论文概览

论文标题：Natural Language Summarization Enables Multi-Repository Bug Localization by LLMs in Microservice Architectures

作者：Amirkia Rafiei Oskooei, S. Selcan Yukcu, Mehmet Cevheri Bozoglan, Mehmet S. Aktas（Yildiz Technical University、Intellica）

论文链接：https://arxiv.org/abs/2512.05908

会议：ICSE 2026（LLM4Code Workshop）

🎯 核心问题

微服务架构好是好，但调试起来太痛苦了！代码分散在几十个仓库里，Bug 报告是自然语言，代码是代码，中间有巨大的语义鸿沟。而且 LLM 上下文窗口有限，不可能把所有仓库都塞进去。

这篇论文就是解决这个问题的：用自然语言摘要来搞定微服务多仓库 Bug 定位！

🔬 核心技术

研究团队提出了一个聪明的方法：把问题重新定义为自然语言推理任务，而不是跨模态检索！

核心思路： 1️⃣ 分层摘要：在文件、目录、仓库三个层级构建上下文感知的摘要 2️⃣ 两阶段搜索：

第一阶段：把 Bug 报告路由到相关仓库
第二阶段：在相关仓库里自上而下定位

📊 核心发现

1️⃣ 企业级验证！超越 GitHub Copilot 和 Cursor！

Pass@10：0.82
MRR：0.50
在 DNEXT Technology 的企业级项目上验证
- 46 个仓库
- 110 万行代码！

2️⃣ 分层摘要的魔力

不是把代码直接丢给 LLM
而是先把代码转换成自然语言摘要
然后用 NL-to-NL 搜索，而不是跨模态检索
这样就避开了语义鸿沟问题！

3️⃣ 两阶段搜索很有效

先快速定位到正确的仓库
再在仓库里精细定位
既快又准！

📈 数据亮点

指标	数值
测试项目	DNEXT Technology（企业级）
仓库数量	46 个
代码行数	110 万行
Pass@10	0.82
MRR	0.50
对比方法	GitHub Copilot、Cursor
会议	ICSE 2026（LLM4Code Workshop）
arXiv	2512.05908

💡 一句话总结

把微服务多仓库 Bug 定位转换成自然语言推理任务——通过分层摘要和两阶段搜索，在 46 个仓库、110 万行代码的企业级项目上超越了 GitHub Copilot 和 Cursor！

🎓 研究意义

这篇论文的创新之处在于：重新定义了问题——不是去搞复杂的跨模态检索，而是把代码都转成自然语言，然后用 NL-to-NL 搜索，简单有效！

🛠️ 给开发者的建议

微服务调试要有方法：不要瞎猜，用系统化的方法定位
摘要很有用：把代码转成自然语言摘要，可以避开很多问题
分层思考：先定位仓库，再定位文件，不要一口吃成胖子
企业级验证很重要：这篇论文用了真实的企业项目，说服力强
ICSE 2026 值得关注：LLM4Code Workshop 有很多好论文！

Microservice Bug Localization