逃离 Python 依赖地狱：用于 Python 依赖解析的混合重放和修复管道

arXiv:2609.26952v1 公告类型：new 摘要：Python 生态系统中的依赖冲突源于不兼容的版本约束、缺失的包以及未记录的兼容性关系，导致许多现实世界的代码片段在执行时失败。本文介绍了 PLLM+，这是一种混合依赖修复管道，在包含 2,891 个依赖失败片段的 HG2.9K 基准测试上进行了评估。 PLLM+ 在调用基于 LLM 的修复之前优先考虑廉价的确定性步骤：基于静态 AST 的解释器推理、从竞争对手提供的解决方案数据库重播历史上成功的依赖项配置以及候选包版本的实时 PyPI 验证。当这些步骤不能解决问题时，系统会回退到基于 LLM 的结构化修复循环，并使用类型化错误分类和提案者/批评者代理。在 HG2.9K 上，PLLM+ 解决了 2,891 个片段中的 1,500 个片段，而 PLLM 基线解决了 1,169 个片段。它还将每个片段的平均运行时间从 368.7 秒减少到 71.8 秒。大多数成功的修复来自重播已知配置：1,500 个成功修复中的 1,495 个是由解决方案数据库生成的，而 LLM 回退则占 5 个额外修复。这些结果表明，在此基准设置中，确定性重用先前验证的依赖项配置是一种简单而有效的策略，基于 LLM 的修复可作为先前解决方案未涵盖的情况的辅助回退。