研究五种代码表示工作流对编码智能体的影响

2026年11月6日，arXiv 人工智能板块刊出 Melika Sepidband 等作者的论文，把“基于仓库地图的代码表示工作流”作为智能体软件工程中的设计变量来考察，关注不同仓库视图如何改变编码智能体的检索行为、任务成功率、token 用量与延迟。研究对比五种工作流：抽象语法树、调用图、模块依赖、文档增强检索及混合方案；评测用 Claude Code 搭配 Haiku 4.5，在四个仓库级任务上与原始工具基线对照。结果显示，在 LinuxFLBench 上，五种工作流均把 recall@10 从基线的 0.717 提升到 0.757–0.829，并减少 25–39% 的 token 用量；在 SWE-bench Pro 上，解决率与基线接近（44.3–50.6% 对 49.0%），token 用量下降 17–26%。作者总结称，地图式工作流同时改变了智能体检查的对象与花费，但其收益取决于任务，并非普遍适用。

AI 根据报道生成 · 2 天前更新