| name | ProgramSlicer |
| description | 基于切片准则（目标语句关键词 + 关注变量），对方法的源码做后向静态切片， 提取所有可能影响该变量在目标语句处取值的相关语句。 算法：文本近似 PDG 遍历，包含数据依赖（def-use 链）和控制依赖（if/while/for 分支）。 将 LLM 需要分析的上下文从数百行压缩到 5-15 条语句，大幅降低推理噪声， 精确回答"哪个变量构造了这条 SQL"或"这个阻塞调用是否总会被执行"等因果问题。
【前置依赖】必须在同一 Agent 会话中先调用 SootStaticAnalyzer，再调用 CallChainExpander 定位可疑方法后，才调用本工具。本工具依赖 SootStaticAnalyzer 写入内存的索引（get_index()）， 若索引未初始化将直接返回错误。
|
| parameters | {"type":"object","properties":{"method":{"type":"string","description":"待切片方法的签名，应直接取自 CallChainExpander 返回结果中的 callee.method 字段， 或取自 call_graph.json（<agent目录>/skill1_output/call_graph.json）中节点的 signature 字段。 格式示例：\"DBHelper.queryUser\"、\"DataManager.loadUserProfile\"。\n"},"target_stmt":{"type":"string","description":"目标语句的关键词（切片准则中的语句 s），如 \"rawQuery\"、\"openStream\"、\"listFiles\"。 切片从包含此关键词的语句出发，向后追踪所有数据 / 控制依赖。\n"},"target_var":{"type":"string","description":"目标变量（切片准则中的变量 v），如 \"query\"、\"cursor\"、\"$r2\"。 可为空；为空时追踪目标语句处所有变量的依赖。\n"}},"required":["method","target_stmt"]} |
| returns | {
"method": "DBHelper.queryUser",
"found": true,
"criterion_stmt": "rawQuery",
"criterion_var": "query",
"method_line": 42,
"slice": [
{"line": 45, "code": " String sql = \"SELECT * FROM user_profiles\""},
{"line": 46, "code": " val cursor = db.rawQuery(sql, null)"},
{"line": 48, "code": " while (cursor.moveToNext()) { ... }"}
],
"interprocedural_context": [
{"line": 88, "code": " ↳[DataHelper.buildQuery] return base;", "interprocedural": true}
],
"slice_size": 3
} — found=true 表示方法在 index 中存在；found=false 表示方法不存在，slice 为空。 — slice 按原始代码顺序排列，每条携带文件绝对行号（line）和原始代码（code）。 — 若 target_stmt 在方法体中未找到匹配，返回方法体前 15 行作为兜底。 — interprocedural_context 为 1 层跨方法补充，条目带 interprocedural=true 标记。
|
| usage_hints | ["SootStaticAnalyzer 必须在同一会话中先调用，CallChainExpander 确认可疑方法后再调用本工具。","method 参数应直接使用 CallChainExpander 返回的 callee.method 值，避免手写签名出错。","target_stmt 设置为阻塞 API 关键词（如 rawQuery、openStream、openConnection）。","target_var 设置为查询字符串变量，可追踪完整数据流链，揭示是否存在无 WHERE/LIMIT 约束的全表扫描。","不要对所有方法都做切片 — 只对已确认可疑的节点使用，否则浪费 Token 且引入噪声。","切片结果通常 5-15 行，可直接放入 LLM 上下文做因果分析，无需裁剪。","found=false 时方法不在 index，立即 MOCK，不要猜测或重试其他方法名。","interprocedural_context 提供 1 层跨方法补充上下文，重点关注 interprocedural=true 的条目。"] |
Overview
ProgramSlicer 解决的问题：当 CallChainExpander 锁定了一个可疑方法后，LLM 往往还需要
精确理解该方法内部的因果关系。程序切片以极低 Token 代价提取精确的因果链。
后向切片算法
给定切片准则 <s, v>（语句 s 和变量 v），提取所有可能影响 v 在 s 处取值的语句：
1. 找到包含 target_stmt 关键词的行集合（种子行 seeds）
2. 初始 use 集合 = seeds 中出现的变量 ∪ {target_var}
3. 后向不动点循环（MAX_PASSES = 5）：
对每一行 L：
- L 定义了 use 集合中某变量（赋值语句）→ 加入切片，扩展 use 集合
- L 是条件分支（if/while/for）且包含 use 集合中的变量 → 加入切片（控制依赖）
直到 slice 集合不再增长
4. 按原始顺序输出切片行
正则模式
| 用途 | 正则 |
|---|
| 变量提取 | \b(\$?[a-z_]\w*)\b（匹配 r0、$r1、query 等） |
| 纯赋值/复合赋值 | ^(\$?\w+)\s*[+\-*/%&|^]?=(?!=)（匹配 a = ...、a += ...） |
| Java 类型声明赋值 | ^(?:final|static|...)?(?:[A-Z]\w*|int|long|...)\s+(\$?[a-z_]\w*)\s*=（匹配 String sql = ...、Cursor c = ...） |
| Kotlin val/var 声明 | ^(?:val|var)\s+(\$?[a-z_]\w*)(?:\s*:\s*\w[\w.<>?, ]*)?\s*=（匹配 val sql = ...、var cursor: Cursor = ...） |
| 控制分支 | ^\s*(if|while|for|switch)\s*\( |
与 RAG 的类比
程序切片本质上是"与 LLM 推理相关的上下文精准提取"，和 RAG 中的检索增强异曲同工——
只不过 RAG 用语义检索，这里用程序分析级别的精确依赖追踪。
Token 效率对比
| 传入 LLM 的内容 | Token 估算 | 推理质量 |
|---|
| 完整方法体（100+ 行） | 高 | 差（噪声干扰） |
| 只传方法体 | 中 | 中（缺跨语句因果） |
| 切片结果（5-15 行） | 低 | 高（精确因果链） |
使用时机（正确 vs 错误）
✅ 正确：
CallChainExpander(FULL_EXPAND) → 发现 DBHelper.queryUser 调用了 rawQuery
↓
ProgramSlicer(target_stmt="rawQuery", target_var="query")
↓
发现 SELECT * FROM user_profiles 无 WHERE/LIMIT → CONCLUDE
❌ 错误：
在探索早期对所有入口方法都做切片（准则不明确，结果无意义）
