在智能家居自动化平台中，用户编写的 YAML 配置文件定义了设备的行为，但这些文件容易出现语法、格式和语义逻辑错误，从而导致自动化失败和安全风险。现有的 YAML 验证器、静态分析工具和通用的大语言模型在端到端的诊断和修复方面支持有限，因为它们缺乏领域特定的理解和经过验证的修正工作流。本文介绍了 SmartHomeSecure，一个利用轻量级程序分析和约束引导的大语言模型生成来自动检测和修复家庭助手配置错误的原型。SmartHomeSecure 解析 YAML 文件，检测语法和常见语义错误，规范错误上下文，为常见缺陷应用确定性自动修复，并构建约束提示以引导 LLMs 实现最小且结构有效的修复。该系统实现为一个模块化的 Web 应用，分为四个层次：用户界面 Shell、特性协调器、领域引擎和集成层。其修复管道在 100 个真实的家庭助手 YAML 文件上进行了评估，这些文件中手动注入了五类错误：语法/解析、缩进、映射、序列和标量引用错误。测试了四个模型：gpt-oss-20b、gpt-oss-120b、llama-3.1-8b 和 llama-3.3-70b。结果显示，三个模型实现了 100% 的错误检测准确率，修复成功率在 87% 到 93% 之间。人工验证发现成功输出中没有幻觉或错误修复。这些发现表明，将领域感知的程序分析与约束生成 AI 相结合，是提高智能家居配置修复可靠性和可用性的可行方法。
博主点评： SmartHomeSecure 项目展示了大语言模型在特定领域应用的潜力，尤其是在智能家居配置的自动化修复中。通过结合轻量级程序分析与 LLM，系统不仅提高了错误检测的准确性，也有效提升了修复的成功率，值得在其他领域进行类似探索。