[arXiv 2026] CodeScout：通过代码库预探索，破解 AI 程序员的“理解困境”

TL;DR

在自动编程领域，Agent 的推理能力固然重要，但输入质量才是真正的瓶颈。本文提出的 CodeScout 就像是给 AI 程序员配了一个“资深技术分析师”。它不再让 Agent 盲目摸索代码库，而是先通过**预探索（Pre-exploration）**流程，将模糊的用户需求重构成一份包含修复方案和重现步骤的技术文档。实验证明，这一步看似小巧的预处理，能让 Agent 的解决速度提升 3 倍，解决率提高 20%。

痛点深挖：为什么 Agent 总是“想入非非”？

当前的软件工程 Agent（如 SWE-agent）在面对复杂的 GitHub Issue 时，经常表现得像个无头苍蝇。研究发现，这通常源于 Specification Gap（规格说明差距）。

• 过度探索 (Over-exploration)：由于初始信息不足，Agent 在庞大的代码库中迷失，导致上下文过载。
• 倔强行为 (Stubborn Behavior)：在不理解意图的情况下，Agent 会反复尝试相同的修复逻辑，而非调整方向。

作者发现，解决这两个问题的关键不在于升级更强的模型，而在于如何“喂”给模型更好的输入。

核心机制：CodeScout 的“望闻问切”

CodeScout 将任务拆解为三个阶段的 Pipeline，将原本隐晦的代码库规律显性化。

1. 知识图谱构建 (Repository Knowledge Graph)

它首先通过 AST（抽象语法树）遍历整个代码库，建立一个包含类继承、函数调用和模块依赖的图谱 G(R)。这为后续的检索提供了比文本搜索更精准的拓扑信息。

2. 高层级范围界定 (High Level Scoping)

利用 LLM 在知识图谱上进行初步筛选，识别出前 15 个最可能相关的实体（文件或类），并给出推荐理由。这避免了将整个代码库塞进上下文的尴尬。

3. 三阶合成 (Synthesis)

这是 CodeScout 的“灵魂”。它将提取的洞察整理为五个部分：

• 增强型描述：融入技术细节。
• 重现步骤：细化内部错误模式。
• 预期行为：明确修正后的逻辑。
• 探索提示 (Hints)：告诉 Agent “哪些文件必看”。
• 修复建议：提供高置信度的修改点。

图 1：CodeScout 通过知识图谱、分层 Scoping 和合成，系统化地增强初始问题陈述。

实验与战绩：效率的质变

CodeScout 在 SWEBench-Verified 基准测试中展现了极强的统治力。

• 效率对比：如图 1 所示，在一个 Django 的 Bug 修复任务中，原始指令让 Agent 折腾了 21 步最终失败；而 CodeScout 增强后的 Agent 仅用 6 步便完成了精准修复。
• 跨模型增强：最有趣的发现是，弱模型其实更需要 CodeScout。DeepSeek R1 在通过 Qwen3-Coder 增强后的问题描述引导下，解决率从 108 暴增至 164，增幅高达 51.9%。

图 2：不同步数下，增强后的 Agent 表现出更专注的搜索行为，减少了无效的 find 操作。

深度洞察：先“看”再“跳”的物理直觉

CodeScout 的成功验证了一个朴素的直觉：理解问题比解决问题更费力，但也更值得投入。

通过在任务开始前通过轻量级 LLM 调用（平均每个问题约 9 次 API 调用）来换取 Agent 在主流程中更短的轨迹，这在经济成本和成功率上是一笔划算的买卖。它通过引入 Inductive Bias（归纳偏置），即结构化的探索建议，强行修正了 Agent 容易陷入的“贪婪搜索”模式。

总结与局限

CodeScout 提供了一个优雅的、不改动模型底座的性能提升方案。但它目前也存在局限，例如主要针对 Python 生态（由于测试基准限制），且对闭源大型企业代码库中复杂的权限和架构逻辑尚需进一步验证。

未来，我们或许会看到这种“预探索”模式成为软件 Agent 的标配，让 AI 真正具备像人类架构师一样的“全局视野”。