本文提出了 PLLM(发音为“plum”),这是一种利用大规模语言模型 (LLM) 解决 Python 依赖关系问题的创新方法。PLLM 使用搜索增强生成 (RAG) 方法迭代推断缺失或不正确的依赖关系。LLM 构建了一个测试环境,通过建议模块组合、观察执行反馈以及使用自然语言处理 (NLP) 解析错误消息来改进预测。我们使用 Gistable HG2.9K 数据集对 PLLM 进行了评估,其中使用 RAG 的 Gemma-2 9B 取得了最佳性能。PLLM 的修复率显著高于 PyEGo 和 ReadPyE 等现有解决方案。