RegoMender：用于自动修复 Rego 策略的多智能体框架

策略即代码（PaC）已成为云原生系统中的基础性范式。然而，由于 Rego 策略具有严格的语法、声明式语义以及特定的验证要求，修复 Rego 策略仍然面临挑战。现有的自动化程序修复（APR）方法主要针对主流编程语言设计，难以适应 Rego 独特的策略逻辑和修复流程。因此，Rego 策略修复仍主要依赖反复试错的人工过程。为此，我们推出了 RegoBench，这是首个自动化 Rego 策略基准，包含 1,159 个真实世界缺陷；并提出了 RegoMender，一种反馈引导的多智能体框架。RegoMender 通过共享黑板和原子工具包进行协作，动态执行补丁修复、重写或回滚，以解决复杂的修复场景。在 RegoBench 上进行评估时，RegoMender 的语法成功率和基于测试的语义成功率分别达到 82.9\% 和 77.9\%，比最强基线方法高出 13.4\%。不同于其他方法在复杂场景下性能下降，RegoMender 在单步修复任务和链式修复任务中均保持了有效性。此外，该方法在 HCL 和 SQL 上表现出很强的泛化能力，并在 132 个真实世界的 CVE 漏洞上实现了 86.4\% 的修复率，证明了其在安全领域的稳健性和实用价值。