移动市场的兴起对应用质量提出了更高要求。为保障应用质量,自动化测试工具在开发阶段被广泛使用,其生成的Bug报告是开发人员理解和修复应用程序Bug的重要基础。但现有技术忽略了多设备测试场景引入的不一致性,且产生的报告中缺少对于Bug的洞察,如类别信息,同时还保留了多个设备中重复Bug,最终导致缺少全面且易理解的Bug报告。本文提出了一种基于不一致性分析的Bug报告生成技术,用于为自动化测试生成可复现、易理解的Bug报告。我们首先对多设备场景下自动化测试结果中存在的GUI不一致性和设备不一致性进行了形式化定义,并提出了一个可用于不一致性分析的结构化Bug模型。通过对50个应用在20台设备上真实自动化测试结果中Bug实例进行人工审查,分析Bug和不一致性之间关系,确认其产生的根本原因,并提取同类Bug的通用日志模式,我们构建了一个可扩展的带不一致性标签的Bug分类法,共包含67个Bug类别。接下来,我们实现了一个名为BREGAT的自动化工具,为多设备场景下自动化测试结果生成结构化Bug,并通过本文定义的带不一致性标签Bug分类法对Bug进行分类、去重,最终结合测试结果中截图、测试操作、设备日志等异构数据生成可复现、易理解的Bug报告。本文通过30个应用在20台Android设备上的自动化测试结果对BREGAT的Bug分类和去重能力进行了评估。本文定义的分类法覆盖了83%的真实Bug,且分类精确率为86%,能够代表Android应用真实Bug。BREGAT去除了97%的重复Bug,精确率达到了100%,比现有工具更高效。在16名开发者代表参与的Bug复现实验中,BREGAT报告复现成功率为100%,速率为17.4秒/个,显著优于现有技术产生的报告。报告调查问卷结果表明,BREGAT报告具有更高的可读性,可以显著提升Bug复现速度和成功率,尤其是对于设备相关Bug。