本仓库是论文 《基于多智能体的不安全Rust代码优化方法》（SaferAgents: Multi-Agent Based Optimization Method for Unsafe Rust Code）的源代码。
SaferAgents 是一种面向 C-to-Rust 翻译后工程的多智能体协同安全优化方法，目标是在保持工程可编译性的前提下，减少 unsafe 代码、裸指针操作和显式内存管理逻辑。该方法通过以下组件形成"上下文分析—知识检索—安全改写—编译反馈修复"的闭环优化流程：
- Context Agent（上下文智能体）：补充项目内部的类型定义、辅助函数接口和调用方约束
- Agentic RAG（检索增强生成模块）：从领域特定的 Rust API 知识库中检索可复用的安全接口知识
- Safe Rewriting Agent（安全改写智能体）：生成新的安全 Rust 实现
- Workspace-Edit Agent（工作区编辑智能体）：将修改写入隔离工作区
- Compile-Repair Agent（编译修复智能体）：根据编译反馈进行迭代修复
saferRust/
├── saferAgent/ # 主方法实现
│ ├── agents/ # 多智能体（安全改写、上下文、RAG、编译修复、工作区编辑）
│ ├── tools/ # 工作区编辑工具
│ ├── prompt/ # LLM 提示词模板
│ ├── search/ # 项目内搜索工具
│ └── analysis/ # 实验分析脚本
├── KonwledgebaseConstruct/ # 领域 API 知识库构建模块
├── His2TransData/ # 实验数据集（5 个 OpenHarmony C-to-Rust 翻译项目）
└── function_level_unsafe_report.md # 函数级 unsafe 变更报告
本仓库当前按本地 HiTrans 环境中的依赖版本生成了 requirements.txt：
conda activate HiTrans
pip install -r requirements.txt本地 HiTrans 环境当前为 Python 3.9.25；建议开源复现时使用 Python 3.10+，以匹配源码中的类型标注语法和 README 的环境要求。
不要在源码中写入 API key。运行前通过环境变量传入：
export SAFER_AGENT_API_KEY=<your_api_key>
export SAFER_AGENT_BASE_URL=https://api.deepseek.com
export SAFER_AGENT_MODEL=deepseek-reasoner也可以参考 .env.example 管理本地配置；.env 和 .env.* 已被 .gitignore 忽略，不会进入仓库。
cd saferRust
python -m saferAgent.agents.safer_agent \
--project_path <Rust项目路径> \
--output_dir <输出目录> \
--knowledge-base-path <API知识库JSON路径> \
--base-url <LLM_BASE_URL>| 参数 | 说明 |
|---|---|
--project_path |
待优化的 Rust 项目路径（His2Trans 翻译结果） |
--output_dir |
输出目录，保存改写结果和日志 |
--knowledge-base-path |
Rust API 知识库 JSON 文件路径 |
--model |
LLM 模型名称（所有阶段统一使用） |
--context-model |
上下文智能体专用模型 |
--rag-model |
Agentic RAG 专用模型 |
--rewrite-model |
安全改写智能体专用模型 |
--compile-fix-model |
编译修复智能体专用模型 |
--workspace-edit-model |
工作区编辑智能体专用模型 |
--api-key |
LLM API 密钥（也可通过环境变量 SAFER_AGENT_API_KEY 设置） |
--base-url |
LLM API 地址（也可通过环境变量 SAFER_AGENT_BASE_URL 设置） |
--target-file |
仅处理指定 Rust 源文件中的函数 |
--limit-functions N |
仅处理前 N 个函数（调试用） |
--dry-run |
仅执行分析和上下文收集，不调用 LLM |
--resume-from-uid UID |
从指定函数 UID 断点续跑 |
--skip-context-agent |
跳过上下文智能体阶段 |
# 使用统一模型运行
python -m saferAgent.agents.safer_agent \
--project_path ./His2TransData/osal__0bc4f21396ad \
--output_dir ./saferAgent/results/osal__0bc4f21396ad \
--knowledge-base-path ./KonwledgebaseConstruct/openharmony_third_party_rust_api_kb.json \
--model deepseek-v3
# 使用分阶段模型运行（推荐配置）
python -m saferAgent.agents.safer_agent \
--project_path ./His2TransData/host__25c1898e1626 \
--output_dir ./saferAgent/results/host__25c1898e1626 \
--knowledge-base-path ./KonwledgebaseConstruct/openharmony_third_party_rust_api_kb.json \
--context-model deepseek-v3 \
--rag-model deepseek-r1 \
--rewrite-model deepseek-r1 \
--compile-fix-model deepseek-r1 \
--workspace-edit-model deepseek-v3知识库以 API 功能摘要、依赖配置和示例代码为知识单元，为不安全代码优化提供贴近项目场景的领域知识。其构建流程是领域无关的——本文以 OpenHarmony 为实验领域进行构建，但同样的流程可迁移至其他软件生态（如 Linux 内核模块、物联网平台、数据库系统等），只需将输入仓库替换为目标领域的 Rust 仓库即可。
知识库中每个 API 条目包含以下字段：
| 字段 | 说明 |
|---|---|
api_name |
API 名称 |
summary |
API 功能摘要（自然语言描述该 API 能完成的任务） |
example_code |
示例代码（为该 API 提供用法参考） |
cargo_dependency |
Cargo 依赖配置（用于在目标工程中引入该 API） |
source |
来源信息（API 所属仓库和文档路径） |
cd KonwledgebaseConstruct
# Step 1: 获取目标领域的 Rust 仓库列表
python fetch_openharmony_rust_repos.py
# Step 2: 构建 Rust API 知识库
python build_openharmony_third_party_rust_api_kb.py构建知识库时默认从 DEEPSEEK_API_KEY 读取密钥，也可以通过 --api-key 显式传入：
export DEEPSEEK_API_KEY=<your_api_key>
python build_openharmony_third_party_rust_api_kb.py构建流程：
- 从目标领域的 Rust 仓库中提取
Cargo.toml（获取依赖、版本信息）、README（获取核心能力描述）和docs/文档 - 利用 LLM 从 README 生成初始 API 条目集合
- 将文档分块后，逐轮精化：对已有条目纠错、补充或合并，并在文档明确介绍新 API 时新增条目
- 输出结构化的 JSON 知识库
如需将方法应用到其他领域，只需：
- 修改
fetch_openharmony_rust_repos.py中的仓库来源，指向目标领域的 Rust 仓库 - 重新运行知识库构建流程
- 在运行主流程时通过
--knowledge-base-path指定新的知识库路径
cd saferAgent
# 统计翻译后项目的 unsafe 代码比例
python analysis/analyze_rq1_translated_unsafe.py
# 统计优化后项目的 unsafe 代码比例
python analysis/analyze_rq1_safer_unsafe_claude.py- Python 3.10+
- tree-sitter 0.21.3 + tree-sitter-rust 0.21.2
- OpenAI 兼容的 LLM API 接口
- Rust 工具链（用于
cargo check验证）