CODESTRUCT 让代码 Agent 改用 AST 结构化操作,替代脆弱的字符串匹配
burkov · x · 2026-10-16
当前基于 LLM 的代码 Agent 把代码库当作非结构化文本,通过字符串匹配打补丁,常因格式漂移、模式歧义或重复文本而失败,导致昂贵的试错循环、token 浪费,许多任务最终产不出有效补丁。
CODESTRUCT 框架提出把代码库重构为结构化动作空间:Agent 直接对 AST(抽象语法树)中的命名实体(函数、类等)进行读取和修改,而非操作文本片段。
作者在两个基准上做了评测,包括含 500 个真实 Python 修 bug 任务的 SWE-Bench Verified,以验证这种语法感知的操作方式能否让 Agent 更可靠、更高效。
「编程与Agent」频道最新
- 向量库≠记忆系统:一图讲清 LLM 记忆的读写路径与评测要点 — techNmak · 2026-10-16
- 10 个开源项目看清你的 AI Agent 到底干了什么，Langfuse 3.6 万星领跑 — victor_explore · 2026-10-16
- LARK-Lab 提出 Mosaic：跨会话的 Agentic 强化学习新范式 — LARK-Lab · 2026-10-16
- RES 环境递归扩展：六大模型长程任务成功率暴跌 57-77 个百分点 — Lingxiao Jing · 2026-10-16
- 哈佛提出 MPT：用「竞标市场」训练去中心化 Agent 集群自组织 — Harvard · 2026-10-16
- 深度解析 LiteLLM：一个 API 如何统一路由所有模型厂商 — Mahmoud_Zalt · 2026-10-16