Awesome-Issue-Resolution

一张图看懂LLM如何自动修Bug,速查前沿论文与工具

这是一个关于大语言模型(LLM)在软件工程问题解决(Issue Resolution)领域的综述性开源项目,汇集了该方向的最新进展与前沿研究。它系统梳理了基于LLM的自动问题修复技术,涵盖从问题理解、代码定位到补丁生成的全流程方法,并对比了不同模型(如GPT-4、CodeLlama等)在真实Issue上的表现。项目以论文列表、分类框架和资源索引为核心,帮助研究者快速了解技术脉络、主流数据集(如SWE-bench)和评估基准。它解决了该领域知识分散、入门门槛高的问题,为学术研究和工程实践提供了结构化导航。核心能力包括:论文分类整理、方法对比分析、工具与数据集汇总,以及未来研究方向探讨。适合AI工程师、研究者和技术决策者参考。

开源 free 编程开发
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 87
维护状态 较活跃
是否开源 是
定价模式 free

项目数据

分类编程开发
开发团队DeepSoftwareAnalytics
所属国家
定价模式free
价格说明开源项目,无在线服务,需自行部署,完全免费。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型agent,artificial-intelligence,code-agent,software-engineering
GitHub 星标★ 87
30天Star增速
HF 下载量
上线时间2025-11-24 00:00:00
最近更新2026-09-02 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6

使用教程

核心亮点

  • 系统梳理了LLM修复Issue的论文和方法,形成清晰分类体系
  • 汇总了SWE-bench等关键数据集和评估基准,便于横向对比
  • 持续更新,紧跟LLM在软件工程领域的最新进展

不足之处

  • 项目仍处于早期,内容深度和覆盖度有限
  • 文档/社区待观察

适用场景

  • 研究人员快速调研LLM自动修复技术路线
  • 工程师评估引入AI修复Issue的可行性与工具选型
  • 教学场景中作为课程综述材料

替代项目

SWE-bench、Awesome-LLM-Software-Engineering、AutoCodeRover

项目介绍

Awesome-Issue-Resolution 是编程开发领域的开源项目,由 DeepSoftwareAnalytics 开发,2025 年首次发布。

它收录于编程开发分类,该分类目前共有 503 个项目,GitHub 星标数为 87。

项目保持着较活跃的维护节奏,最近一次代码更新于 2026-09-02。无在线服务,需自行部署,完全免费。

它主要面向的使用场景是:研究人员快速调研LLM自动修复技术路线。同类可对比的替代方案包括 SWE-bench、Awesome-LLM-Software-Engineering、AutoCodeRover。

上一篇:momo-code

下一篇:kota

同类项目推荐

bolt.new 开源

想到啥说啥,网页应用当场生成直接能用

Prompt, run, edit, and deploy full-stack web applications. -- bolt.new -- Help Cente···

★ 16557 2026-08-09
fuzz4all 开源

用大模型自动生成测试输入,发现各种软件漏洞

️Fuzz4All: Universal Fuzzing with Large Language Models

★ 338 2026-08-09
superpowers-zh 开源

全套 AI 编程神技汉化好了,照着用就行。

AI 编程超能力 · 中文增强版 — superpowers(250k+ ⭐)完整汉化 + 4 个中国原创 skills···

★ 8188 2026-08-09
crystal 开源

多个 AI 同时写不同功能,互不干扰齐头并进。

(Crystal is now Nimbalyst) Run multiple Codex and Claude Code AI sessions in paralle···

★ 3121 2026-08-09