Each language version is independently generated for its own context, not a direct translation.
这篇论文介绍了一个名为 SWE-Adept 的新系统，它的核心任务是：让大语言模型（AI）像一位经验丰富的“老程序员”一样，去修复复杂的软件代码库中的 Bug。
为了让你更容易理解，我们可以把修复一个大型软件项目（比如像微信或淘宝这样的大系统）比作在一个巨大的、迷宫般的图书馆里找出一本写错了几页的书，并把它改好。
1. 为什么以前的 AI 做不到？（痛点）
以前的 AI 就像是一个刚毕业、有点急躁的实习生：
- 迷路了： 面对成千上万个文件（图书馆的书架），它不知道从哪里开始找。它往往试图把整本书甚至整个图书馆的内容都塞进脑子里（上下文窗口溢出），结果脑子乱了，找不到重点。
- 乱改一气： 找到问题后，它开始改代码。如果改错了，它往往不知道回到哪一步，只能从头再来，或者在错误的道路上越走越远，把原本能用的代码也改坏了。
2. SWE-Adept 是怎么做的？（核心方案）
SWE-Adept 把任务分给了两个专门的“特工”，它们分工明确，配合默契：
特工 A：定位专家（Issue Localization Agent）
任务： 在迷宫里精准找到那本“坏书”和具体的“错页”。
- 以前的做法： 像无头苍蝇一样乱撞，或者把整层楼的书都搬过来看。
- SWE-Adept 的做法（特工 A 的绝招）：
- 像侦探一样“顺藤摸瓜”： 它不盲目搜索。它先根据 Bug 描述找到几个关键词（比如“登录失败”），然后像侦探查案一样，沿着代码的依赖关系（谁调用了谁）进行深度优先搜索。
- 只看“目录”和“简介”： 在深入之前，它先快速浏览代码的“骨架”（函数定义、调用关系），只把真正相关的几页纸（代码片段）带出来，而不是把整本书搬进脑子。
- 两阶段过滤： 先快速筛选掉明显无关的，再对剩下的几个嫌疑对象进行“深度审讯”（查看完整代码），最终精准锁定问题所在。
比喻： 就像你在找失物，不会把整个家翻个底朝天，而是先回忆“最后在哪里用过”，然后只去那个房间的几个抽屉里找。
特工 B：修复专家（Issue Resolution Agent）
任务： 拿到“错页”位置后，把书改好，并确保没改坏别的地方。
- 以前的做法： 像“试错法”，改一行，跑一下测试，错了就接着改，改乱了也不知道怎么回退，最后留下一堆乱码。
- SWE-Adept 的做法（特工 B 的绝招）：
- 制定“作战计划”： 在动手前，先列出“待办事项清单”（To-Do List）。比如：第一步改函数 A，第二步写测试脚本，第三步运行测试。
- 多路并行（分支探索）： 如果一个问题可能有多种解法，它会同时开辟几条“时间线”（Git 分支）。
- 时间线 A： 试着改这里。
- 时间线 B： 试着改那里。
- 随时“读档”（检查点机制）： 这是最厉害的地方！每完成一个步骤，它都会自动保存一个“存档点”（Git Checkpoint）。
- 如果时间线 A 走错了，它不需要从头开始，而是直接读取之前的存档，回到那个状态，然后换一条路继续走。
- 它就像一个拥有“后悔药”的程序员，永远知道如何回到一个干净、正确的状态。
比喻： 就像玩一个高难度的游戏。以前的 AI 死了就重开整个游戏；SWE-Adept 的 AI 会在每个关键路口存档。如果走错了，它直接读档回到路口，换条路走，而不会丢失之前的进度。
3. 这个系统厉害在哪里？（成果）
- 更准： 在找 Bug 的位置上，比以前的方法准确率高了 5.4%。
- 更稳： 在最终修好 Bug 的比例上，提高了 4.7%。
- 更省： 因为它懂得“只读必要的书”，所以它消耗的算力（Token）比那些试图“读完所有书”的方法要少。
总结
SWE-Adept 就像是给 AI 配备了一套专业的“侦探工具箱”和“时间机器”：
- 侦探工具让它能在大海捞针中精准定位问题，不被无关信息干扰。
- 时间机器（版本控制 + 检查点） 让它敢于大胆尝试多种方案，失败了也能瞬间回到安全状态，从而系统性地解决复杂的软件问题。
这就解释了为什么它能比以前的 AI 更像一个成熟的软件工程师，而不是一个只会乱敲代码的初学者。
Each language version is independently generated for its own context, not a direct translation.
SWE-Adept 论文技术总结
1. 研究背景与问题定义
大型语言模型（LLM）在独立的编程任务中表现优异，但在处理**仓库级软件工程（Repository-level SWE）**问题时仍面临巨大挑战。主要难点在于：
- 代码库导航与上下文管理困难：现实世界的代码库通常包含数千个文件，且存在密集的跨文件依赖。LLM 的上下文窗口有限，如何在遍历依赖关系定位问题根源的同时，避免将大量无关代码注入上下文（Context Window Overflow），是精准定位的关键。
- 缺乏系统化的问题解决方法：现有的修复方法多采用“思考 - 编辑”的自由形式循环，缺乏明确的规划和进度跟踪。随着迭代次数增加，代码编辑与测试脚本的交织使得工作状态难以解释和验证。此外，缺乏检查点（Checkpointing）机制，导致代理（Agent）在编辑失败后难以可靠地回退到之前的中间状态或尝试替代方案。
2. 方法论：SWE-Adept 框架
SWE-Adept 是一个基于 LLM 的双代理（Two-Agent）框架，旨在自主解决仓库级软件工程问题。它将任务分解为两个专门化的阶段：
2.1 核心组件
- 问题定位代理（Issue Localization Agent）：负责在代码库中搜索并精准定位与问题相关的代码位置。
- 问题修复代理（Issue Resolution Agent）：负责根据定位结果实施修复、验证并管理版本控制。
2.2 关键技术细节
A. 问题定位：代理导向的深度优先搜索与两阶段过滤
- 细粒度索引与代码结构树：利用
tree-sitter 将代码库解析为类/函数级别的定义单元（Code Units），并构建代码结构树（Code-Structure Tree）。节点代表代码单元，边代表“包含”或“调用”关系。每个单元仅存储轻量级的邻接表（子单元标识），而非全量依赖图，以优化检索效率。
- 代理导向的深度优先搜索（Agent-Directed DFS）：
- 定位代理根据问题描述提取入口点，利用搜索工具（如
find_child_unit）进行依赖感知的深度优先遍历。
- 上下文优化：搜索工具仅返回轻量级结构信息（代码骨架、预览、位置元数据），而非完整源码，极大减少了上下文消耗。
- 两阶段过滤：
- 初筛：基于代码预览和位置启发式规则对候选位置进行排序和剪枝。
- 精排：仅对初筛后的少量候选位置加载完整源码，进行基于内容的深度分析，最终确定问题根源。
B. 问题修复：结构化规划与基于检查点的版本控制
- 结构化问题求解：修复代理接收定位结果后，采用**假设驱动（Hypothesis-Driven）**的方法。它生成一个或多个修复假设，并为每个假设制定动态的待办事项（To-Do List）。
- 工具 - 内存接口（Tool-Memory Interface）：
- 设计了两大 CLI 工具族：
hypothesis_plan（用于规划、进度跟踪和洞察记录）和 hypothesis_git（用于基于 Git 的版本控制）。
- 共享工作内存：后端维护一个结构化内存，存储假设、待办事项及其对应的代码状态检查点（Git Hash 和提交信息）。
- 版本控制操作：
- 分支探索（Branching）：为不同的假设创建独立的 Git 分支，隔离探索路径。
- 检查点回退（Reverting）：利用语义化的步骤索引（Semantic-Step Indexing），代理可以可靠地回退到任意已完成的待办事项检查点，撤销失败的编辑，而无需手动管理复杂的 Git 哈希。
- 动态规划：根据测试反馈（如未覆盖的边界情况），代理可动态扩展待办事项列表。
3. 主要贡献
- SWE-Adept 框架：提出了一种集成精准问题定位与结构化问题修复的端到端 LLM 代理框架，实现了仓库级问题的自主解决。
- 代理导向的遍历机制：引入了基于深度优先搜索和两阶段过滤的导航策略，通过依赖引导和轻量级检索，有效解决了长上下文下的定位精度问题。
- 可靠的代理驱动版本控制：设计了工具 - 内存接口，利用代码状态检查点支持系统化的长周期问题求解，使代理能够可靠地进行分支探索和失败回退。
4. 实验结果
在 SWE-Bench Lite 和 SWE-Bench Pro 两个基准测试上进行了评估，使用了 GPT-5.2 和 Claude-Sonnet-4.5 模型。
- 问题定位性能：
- 在函数级定位（Func Acc@5）上，SWE-Adept 在 SWE-Bench Lite 上比最强基线（OrcaLoca）提高了 5.4%（GPT-5.2）和 4.1%（Claude）。
- 在 SWE-Bench Pro 上也有显著提升（分别提高 3.3% 和 4.0%）。
- 由于有效的上下文管理，其 Token 消耗量显著低于基于图的方法（如 RepoGraph, LocAgent）。
- 端到端修复率：
- 在 SWE-Bench Lite 上，修复率提升了 3.3%（GPT-5.2）和 2.6%（Claude）。
- 在更具挑战性的 SWE-Bench Pro 上，修复率提升了 4.7%（GPT-5.2）和 4.0%（Claude）。
- 消融实验：证明了精准定位和系统化修复（特别是检查点机制）对整体性能提升的联合贡献。直接使用原始 Git 命令而非封装工具会导致在长任务中可靠性下降。
5. 意义与影响
- 解决长程依赖与状态管理难题：SWE-Adept 通过引入结构化的工作内存和版本控制机制，解决了 LLM 代理在处理长序列代码编辑时容易迷失状态、难以回退的痛点。
- 提升自动化软件工程能力：该框架展示了通过精细的上下文管理和系统化的规划策略，LLM 可以胜任复杂的、多步骤的仓库级调试任务，为未来的自动化软件开发工具提供了新的范式。
- 通用性与扩展性：虽然当前实验基于 Python，但其定位与修复的框架设计是语言无关的，未来可推广至其他编程语言。
总结：SWE-Adept 通过“精准定位（减少噪声）”和“结构化修复（管理状态）”的双重创新，显著提升了 LLM 在复杂软件工程任务中的表现，是目前在该领域最具竞争力的方法之一。