DeepDiscovery: A Location-Inference Framework for Task-Level Repository Understanding
Jiawei He, Weisong Sun, Mengyu Shi, Jie Jia, Tong Bian, Xikai Yang, Dong Sun
cs.SE, cs.AI
2026-06-22
高德AMAP的DeepDiscovery把仓库理解做成有预算的任务上下文恢复：先定位高置信锚点，再沿显式、隐式和组织关系扩出实现路径。SWE-bench Verified解出率从70.4%升到78.6%。
工业仓库动辄两万多个文件、几百万行，任务真正需要的往往是一条实现路径：接口、业务逻辑、配置注册、测试、跨模块约束。语义检索能找回字面相近的碎片，配不上依赖注入、事件回调、配置键到代码的那些隐式边。静态调用图能走显式依赖，仍然漏掉框架接线。更麻烦的是仓库一直在变，离线向量库和预构建图跟不上提交和切分支。
高德 AMAP 把问题改写成：在上下文、工具步数和延迟预算下，恢复完成本任务所需的文件、关系和证据，而不是把最像的 chunk 塞进提示词。
输入是自然语言任务加当前仓库快照，输出是带元数据和收录理由的结构化上下文包。仓库被看成多关系图：显式边（import、调用、继承、引用），隐式边（配置到代码、注册点、DI 接线、事件/回调、测试到实现），组织边（目录、模块边界、物理邻近）。隐式边来自固定规则库，输出是带置信度的候选关系，不是铁定依赖。
Location 阶段先做环境感知（技术栈、模块范围、产物角色），再按预算压一份仓库摘要，最后用四路分数挑锚点：语义（embedding + BM25）、结构摘要对齐、规则模板、任务条件下的产物角色先验。系数按仓库规模从预设档里选，不按单题调。
Inference 阶段从锚点按 Gain/Cost 优先扩展，停在预算耗尽、优先级低于阈值、或连续两步不再引入新产物角色/桥接关系。上下文默认只放元数据卡片（路径、角色、邻边、收录理由），局部实现细节才晋升全文。作者把这叫先覆盖、后细节：过早把几个文件全文塞满窗口，桥接配置和测试就进不来。
整条链路不维护持久索引或预构建全库图，每次对着当前快照跑。
方法对照在 27 道中等题、135 个专家标注金文件上，宿主统一为 Claude Code + Claude Opus 4.6，各跑三次。主指标 Full Recall Rate（FRR）要求金文件集合被完全覆盖。
| 方法 | FRR | 预处理 | 执行 |
| RAG | 84.4% | 7h / 2.26B token | 57.2s / 24991 token |
| GraphRAG | 90.2% | 9h / 3.14B | 63.8s / 28338 |
| AST+GraphRAG | 90.4% | 9h / 3.98B | 44.8s / 29677 |
| DeepDiscovery | 92.6% | 0 | 13.2s / 8826 |
系统对照把同一模块接到 Cline、Cursor、Claude Code、Codex、OpenCode、Qoder。大子项目 40 题 240 金文件，中等 27 题 135 金文件。六套系统 FRR 全涨，大项目绝对提升 1.6–9.2 个百分点，中等 2.5–7.4。Cline 大项目 72.5%→81.7%，OpenCode 82.5%→87.5%，已经很强的 Claude Code 85.0%→87.5%，Codex 84.2%→85.8%。Micro Precision 仍在约 9%–11%，增益主要来自补全而不是猛剪。
消融（大项目固定宿主）：完整管线 FRR 85.8%；只做 Location 80.0%；去掉自适应压缩 81.5%；去掉隐式关系 83.3%；去掉元数据优先 82.2%。
SWE-bench Verified 上只替换仓库理解组件，模型、提示、工具和执行策略保持不变：352/500（70.4%）升到 393/500（78.6%），McNemar p<0.01。增益集中在 django（+17）、xarray（+6）、sympy 和 scikit-learn（各 +5）；matplotlib、pylint、seaborn、flask 上几乎没涨。
粗定位靠压缩平均约 70 秒，对照广泛本地搜索约 225 秒。
给 coding agent 换检索器，不一定要先建一套跟仓库赛跑的离线图。先钉住锚点、再按预算把实现路径补全，在高德内部的 2.67M 行、2.5 万+ 文件生态里，六种宿主都涨 FRR。SWE-bench 上 8.2 个百分点不是检索排行榜数字，是换掉上下文构造之后多解出 41 题。
它适合提交频繁、切分支多、离线索引养不起的环境。仓库稳定、查询重复、预处理可以摊销时，预构建 GraphRAG 仍可能更便宜。
仓库理解的金标来自组织内部、DeepDiscovery 开发之前的专家标注，协议可审计，源码不能公开复现。27+40 题规模不大，FRR 又极严：漏一个桥接文件整题失败。Micro Precision 只有约 10%，召回导向会带进邻近非金文件。失败模式作者自己列了三条：任务描述含糊时锚点钉偏；隐式扩展引入结构相邻但非必要的文件；晋升策略过保守时细节看不够。隐式规则库是固定的，换框架要补规则。SWE-bench 对照是匹配替换，不是和当年榜首 agent 的无约束对打。