Refactorización automática de código Java mediante Modelos de Lenguaje

Este repositorio proporciona una herramienta para la refactorizar de Issues SonarQube en código Java automáticamente, utilizando modelos de lenguaje (LLMs o SLMs).

---

Descripción general

El flujo principal del proyecto es:

1. Analizar código Java con SonarQube.
2. Identificar issues (por ejemplo: java:S117).
3. Construir un prompt estructurado basado en la issue.
4. Enviar el prompt a un modelo de lenguaje (OpenAI, Anthropic, Google o Hugging Face).
5. Obtener el código refactorizado automáticamente.

---

Estructura del repositorio

.
├── refactorization_ayesa.py       # Lógica principal de refactorización
├── Test_refactorization.py        # Ejemplo usando OpenAI
├── Test_hugginFace_endpoint.py    # Ejemplo usando Hugging Face Endpoint
├── prompts_SQ_rules.json          # Reglas de refactorización por issue
├── sonarQube/                     # Módulo de análisis con SonarQube
├── .env                           # Variables de entorno
└── README.md

---

Requisitos

• Python 3.9+

• SonarQube corriendo localmente o remoto

• Acceso a algún proveedor de modelos:

  • OpenAI
  • Anthropic
  • Google GenAI
  • Hugging Face Endpoint

Instalar dependencias:

pip install requests python-dotenv langchain

---

Variables de entorno

Crear un archivo .env:

OPENAI_API_KEY=tu_api_key
HF=tu_token_huggingface

---

Uso básico

1. Analizar código con SonarQube

El flujo de la herramienta requiere como entrada el análisis del código mediante SonarQube, es posible utilizar el código en sonarQube/ para llevar acabo dicho análisis, este código supone que existe un despliegue de SonarQube server en local.

from sonarQube.analyzer import Analyzer

analyzer = Analyzer(
    token="TU_TOKEN",
    url_host="http://localhost:9000",
)

analysis, errors = analyzer.analyze(code)

---

2. Seleccionar una issue

issue = None

for i in analysis:
    if i.get('rule') == "java:S117":
        issue = i
        break

---

3. Refactorizar el código

from refactorization_ayesa import refactorize

result = refactorize(
    provider="openai",          # o huggingface_endpoint, anthropic, google_genai
    model_name="gpt-4.1",
    key=API_KEY,
    code=code,
    issue=issue
)

print(result)

---

Proveedores soportados

OpenAI

---

Hugging Face Endpoint (SLM propio)

provider="huggingface_endpoint"
model_name="https://<endpoint-url>"

El uso de Hugging Face Endpoint requiere el despliegue previo del modelo.

Anthropic

---

Google GenAI

---

Cómo funciona el prompt

El sistema genera automáticamente un prompt con:

• Localización del problema (línea o rango)
• Descripción de la regla SonarQube
• Reglas estrictas (HARD RULES)
• Código original
• Instrucción de devolver solo código Java

Ejemplo simplificado:

### Instructions:
Rewrite the code to fix the problem...

### HARD RULES:
- Preserve package
- One single Java file
- No extra imports

### Problem:
...

### Original code:
```java
...

Corrected code:

---

## Ejemplos incluidos

### `Test_refactorization.py`
- Usa OpenAI (`gpt-4.1`)
- Flujo completo SonarQube → LLM

### `Test_hugginFace_endpoint.py`
- Usa un modelo desplegado en Hugging Face
- Ideal para modelos finamente ajustados (SLM)

---

## Consideraciones importantes

- El modelo **debe devolver solo código Java**.
- El endpoint de Hugging Face debe estar **desplegado previamente**.
- Un `max_new_tokens` muy alto puede causar errores de memoria.
- El archivo `prompts_SQ_rules.json` debe contener las reglas por cada issue.