通过应用程序编程接口（API）复用已有的软件框架或类库,极大地缩短了软件的开发周期,提高了相关从业人员的开发效率。但是由于软件经常会出现API误用的情况,API误用缺陷是软件bug的主要来源,API误用缺陷检测是保证软件质量重要的一环。与此同时,在真实工业场景下由于API调用的错综复杂,修复一个缺陷bug成本极高,API误用缺陷修复推荐能够帮助开发人员减轻工作负担,提升软件质量。正确的使用API需遵守很多使用规约,如调用顺序、异常处理等。若违反了这些规约就会造成API误用,进而可能导致软件产生崩溃、错误或漏洞。尽管很多API误用检测技术已经被提出,但是这些技术仍面临以下挑战:（1）难以获取API使用规约;（2）难以同时检测多种不同类型的API误用;（3）人工修复API误用要求开发人员具有丰富的经验且修复代价较大。为了解决上述挑战,本文提出了一种基于决策树算法的API误用缺陷检测方法。首先,将API使用源代码转换为API使用图,从图中挖掘API使用规约有效地解决了第一个挑战。其次,在获取的API规约信息的基础上构建API使用决策树,并通过融入剪枝策略来提高API使用决策树的泛化能力。最后,在检测阶段提出了粗粒度和细粒度相结合的检测方式,提高API使用决策树的检测能力,有效地解决了第二个挑战。实验结果表明,该方法能够在一定程度上实现API误用缺陷的自动发现,并且能有效地检测多类型的API误用。由于API误用缺陷复杂程度不一,手工修复API误用代价极高,需要开发人员具备丰富的领域知识和解决问题的经验。为了解决以上API误用修复问题,提出了一个API误用修复推荐框架。通过利用已有修复案例配合人工修复模板丰富修复规则库,训练图神经网络模型学习图嵌入,通过图的相似性检索查询API误用修复规则库,最后针对具体的API误用案例给出对应的修复规则列表,从而有效解决了第三个挑战。对于即使没有丰富经验的开发人员提供一些解决误用修复的示例,一定程度上能够降低开发人员的工作量以及提高开发人员的效率。