In Line with Context: Repository-Level Code Generation via Context Inlining
本文介绍了 InlineCoder，这是一个新颖的框架，通过将未完成的函数的调用图（包括生成的锚点、上游调用者和下游被调用者）内联到提示中，将复杂的仓库级理解转化为更易管理的函数级任务，从而提升仓库级代码生成的效果。
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
核心理念：以“调用栈”视角编写代码
想象你是一名新入职的员工，受雇为一家庞大的软件公司编写某个特定函数。在过去，如果你寻求帮助，可能只会得到来自办公室其他部分的、看起来相似的句子列表。你会看到诸如“计算”或“用户”之类的词汇，并试图猜测该做什么。这往往会导致错误，因为你不知道谁在要求你完成这项工作，也不知道房间里有哪些可用工具。
InlineCoder 是一个新系统，它改变了 AI 为这些大型项目编写代码的方式。它不再仅仅向 AI 展示一系列相似的句子，而是重写整个故事，向 AI 精确展示新代码在现实世界中的具体位置。
以下是其工作原理的简化步骤分解：
1. 问题：“孤立房间”陷阱
当 AI 尝试为一个庞大的软件项目（即“代码库”）编写一段代码时，它通常会陷入一个“孤立房间”。
- 旧方法：AI 仅被提供工作描述（函数签名）以及来自该项目的几份随机、外观相似的文档。这就像蒙着眼睛试图修理汽车引擎，手中只拿着另一辆不同汽车的相似引擎图片。它或许能装对螺栓，但不知道皮带该朝哪个方向走，也不知道是谁在驾驶这辆车。
- 结果：AI 编写的代码单独看似乎没问题，但却破坏了整个系统，因为它不知道新代码如何与项目的其余部分连接。
2. 解决方案：“上下文内联”
这篇论文的作者，InlineCoder，意识到要理解一项工作，你需要看到两件事：
- 谁在调用你？（“上游”上下文：要求你工作的老板）。
- 你在调用谁？（“下游”上下文：你完成工作所需的工具或助手）。
InlineCoder 使用了一种称为内联（Inlining）的巧妙技巧。想象你正在为一场戏剧编写剧本。与其仅仅给演员他们的台词，不如将剧本中的演员台词物理粘贴到其他演员与他们对话的场景中。突然间，演员就能确切地看到该使用什么语气、递给他们什么道具，以及他们的台词如何融入对话的流动中。
3. InlineCoder 的工作原理（三步舞）
第一步：“草稿”（锚点）
首先，AI 对代码进行快速、粗略的猜测。它并不完美，但这是一个起点。这就好比 AI 在说：“这是我对于该函数应是什么样子的最佳猜测。”
第二步：“上游”内联（看见老板）
系统将那个粗略的猜测直接粘贴到调用它的函数的代码中。
- 类比：想象你是一位厨师。与其仅仅被告知“做一碗汤”，系统会向你展示服务员递给你订单的确切时刻、服务员手中拿着什么食材，以及汤将如何被端上。
- 为何有帮助：AI 现在能确切看到传入的数据是什么，以及结果需要以何种格式呈现。它不再猜测，而是开始匹配“调用者”的具体需求。
第三步：“下游”检索（寻找工具）
系统查看那个粗略的猜测，看看 AI 试图使用哪些工具（其他函数）。然后，它进入项目的库中，获取这些工具的实际代码，确保 AI 使用正确的版本。
- 类比：如果厨师的草稿写着“使用搅拌机”，系统会找到厨房里那台特定的搅拌机，并向厨师展示如何使用它，而不是让厨师猜测该抓取哪个电器。
4. “信心检查”
该系统足够智能，能够知道何时自己不确定。它根据草稿编写的难易程度计算出一个“信心分数”。
- 高信心：“这看起来不错，只需润色一下。”
- 低信心：“这看起来有风险。扔掉草稿，利用新的上下文重新开始。”
这防止了 AI 仅仅因为先写出了某个想法就固执地坚持一个糟糕的主意。
5. 结果：为何这很重要
该论文在两个大型基准测试（DevEval 和 RepoExec）上，使用不同的 AI 模型对此进行了测试。
- 结果：InlineCoder 以巨大优势击败了几乎所有其他方法。
- 收益：在某些指标上，与以往最佳方法相比，它将代码的准确性提高了近30%。
- 启示：通过向 AI 展示“调用图”（谁与谁对话），而不仅仅是一系列相似的词汇，AI 能够编写出真正适用于真实软件项目复杂网络中的代码。
总结
可以将 InlineCoder 视为一种不仅翻译词汇，更翻译关系的翻译器。它不再将代码视为孤立的句子，而是将其视为一种对话。通过将新代码物理嵌入到其周围发生的对话（调用者）以及它所依赖的工具（被调用者）中，它确保 AI 编写的代码能够完美融入现有的软件生态系统。
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。