Benzi:少读 9 千行代码的编码 Agent,靠编译器确定智能反超
DonkeyTheKing · reddit · 2026-08-28
GitHub 项目 Benzi 提出「尽量不读源码」的 agent 设计。现有 harness 靠跨文件抓代码片段或嵌入检索，token 暴涨、上下文漂移、compaction 后还得重新 grep。Benzi 则通过工具调用向模型注入确定性信息：改代码前可查「哪些函数调用了它」，编译器在编辑前后直接告知影响范围并做静态检查。
为保证正确性，它分三级真相:RESOLVED(有确凿证据)、CANDIDATE(静态分析无法确认)、OBSERVED(实际执行结果)。实测 Benzi+Sonnet 完成同样任务只需读 9,125 行源码，而 Claude Code 读 20,704 行、DeepSeek harness 读 43,598 行、OpenCode 超 6.5 万行。基准成绩为 SWE-bench Verified 78.2%,单次修复成本低于 10 美分(用 V4flash)。另带运行时追踪、任务中途自感知换模型等特性，支持 Python/JS/TS/Java/C#/C++/C/Go/Rust/Ruby。
「编程与Agent」频道最新
- 斯坦福发布科研智能体基准 TB-Science，Claude Opus 5 仅过 30% — ajratner · 2026-08-28
- Harness 层不该是黑盒：开源框架让 agent 定制更容易 — omarsar0 · 2026-08-28
- 观点：应拒绝黑盒 Harness 配置，拥抱开源可定制方案 — omarsar0 · 2026-08-28
- Every 更新指南：将 ChatGPT 变为知识工作操作系统 — every · 2026-08-28
- Coast 本地录制工具：记录全屏操作为 Agent 供料 — aidangch · 2026-08-28
- 观点：不掌控 Harness 和 Eval 就无法掌控 Agent 质量 — pikanou_ · 2026-08-28