RPG: A Repository Planning Graph for Unified and Scalable Codebase Generation
本文提出了名为 RPG 的仓库规划图及基于此的 ZeroRepo 框架，通过用结构化蓝图替代模糊的自然语言规划，实现了从高层规范到完整代码仓库的规模化、一致性生成，并在 RepoCraft 基准测试中显著超越了现有基线模型。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文介绍了一个名为 RPG（仓库规划图）和 ZeroRepo 的系统，旨在解决一个大问题：如何让 AI 像人类专家一样，从零开始构建一个完整、庞大且逻辑严密的软件项目（代码库），而不仅仅是写几个零散的小功能。
为了让你轻松理解，我们可以用"盖摩天大楼"和"画建筑蓝图"的比喻来拆解这篇论文。
1. 核心痛点：AI 以前是怎么“盖楼”的？
想象一下，你让一个只会写单句的 AI 去盖一座摩天大楼。
- 以前的做法（自然语言规划）： 你告诉 AI：“我要盖一座楼，要有电梯、厨房、卧室。”AI 就凭感觉开始写代码。
- 问题： 就像没有图纸的装修队。AI 可能今天把厨房盖在地下室，明天发现电梯井没留位置，后天又发现卧室和厨房打架了。因为自然语言（说话）太模糊，AI 记不住几千个文件之间的复杂关系，盖着盖着就“塌房”了，或者盖出来的东西支离破碎。
2. 核心创新：RPG（仓库规划图）
为了解决这个问题，作者引入了 RPG（Repository Planning Graph，仓库规划图）。
- 比喻： 这不再是口头描述，而是一张超级详细的、动态的 3D 建筑蓝图。
- 它是什么： 这张图把整个软件项目画成了一个网络：
- 节点（Node）： 代表具体的功能（如“登录功能”）、文件（如
login.py）或数据流（如“用户密码传给数据库”）。 - 连线（Edge）： 代表它们之间的关系（谁依赖谁，数据怎么流动）。
- 节点（Node）： 代表具体的功能（如“登录功能”）、文件（如
- 为什么厉害： 就像建筑师在动工前，先在图纸上把所有管线、承重墙、房间布局都规划得清清楚楚。AI 不再靠“猜”，而是看着这张图，知道“哦，我要先建地基（基础类），再建柱子（模块），最后装修（具体函数）”。
3. 主角登场：ZeroRepo（自动施工队）
基于这张“蓝图”，作者开发了 ZeroRepo 系统。它的工作流程分为三步，就像施工队的三个阶段：
第一阶段：提案规划（画草图）
- 动作： 用户说“我要一个机器学习库”。ZeroRepo 不会瞎想，它会去一个巨大的“功能知识库”（EpiCoder Feature Tree）里，像从图书馆选书一样，挑选出最合适的功能模块。
- 比喻： 就像建筑师先确定大楼是“医院”还是“学校”，然后列出所有需要的科室（急诊、药房、手术室）。
第二阶段：实施构建（画施工图）
- 动作： 把选好的功能细化。决定哪些功能放在哪个文件夹，文件之间怎么传递数据，定义好接口（就像规定水管接口标准）。
- 比喻： 把“要有厨房”细化为“厨房在二楼，包含水槽、灶台，水管要接在 A 区，电线要接在 B 区”。这时候，RPG 蓝图就完全成型了。
第三阶段：代码生成（按图施工 + 质检）
- 动作： AI 按照蓝图的顺序（拓扑排序），一个文件一个文件地写代码。
- 关键亮点： 测试驱动（Test-Driven）。每写一个功能，马上写个测试题考考它。如果考不过（代码有错），就立刻修改，直到考过为止，才允许“盖章”通过，进入下一个环节。
- 比喻： 就像每砌好一面墙，马上用水平尺量一下。歪了就立刻扶正，绝不把错误带到下一层。
4. 成果如何？（RepoCraft 考试）
为了测试这个系统，作者搞了一个叫 RepoCraft 的考试，让 AI 去复刻 6 个真实世界的大项目（比如著名的数据分析库 pandas、机器学习库 scikit-learn 等）。
- 成绩对比：
- Claude Code（最强的对手）： 盖出来的楼大概只有 1 万多行代码，功能覆盖了一半多。
- ZeroRepo： 盖出来的楼有 3.6 万行代码（是对手的 3.9 倍），功能覆盖率达到 81.5%（对手只有 54% 左右），而且代码能跑通测试的比例高达 69.7%（对手只有 33%）。
- 比喻： 对手盖了个两层小别墅，ZeroRepo 盖出了一栋功能齐全、结构稳固的 30 层写字楼，而且水电煤气（数据流）都没接错。
5. 为什么它这么强？（核心秘密）
论文通过实验发现，RPG 有两个超能力：
- 线性扩展能力： 随着时间推移，AI 能盖的楼层越来越高，代码越来越多，不会像其他方法那样盖到一半就“卡壳”或乱套。就像有了蓝图，盖 100 层和盖 10 层只是时间问题，逻辑不会乱。
- 快速定位（Localization）： 如果大楼哪里漏水了（Bug），AI 看着蓝图能瞬间知道是哪根水管（哪个文件）出了问题，不用像无头苍蝇一样到处乱撞。
总结
这篇论文的核心思想就是：别光靠嘴（自然语言）指挥 AI 写大项目，要给它一张图（RPG 规划图）。
有了这张图，AI 就能从“写代码的打字员”进化成“懂架构的总工程师”，能够独立、稳定、大规模地构建出像真实世界那样复杂的软件系统。这标志着 AI 在软件工程领域迈出了从“写片段”到“造系统”的关键一步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。