Alibaba LingmaAgent：通过全面仓库探索改进自动化议题解决
软件工程
2025-03-27 v2 计算与语言
摘要
本文介绍了Alibaba LingmaAgent，一种新颖的自动化软件工程方法，旨在全面理解和利用整个软件仓库来解决议题。LingmaAgent部署在阿里云开发的基于IDE的编码助手TONGYI Lingma中，解决了现有基于LLM的智能体主要关注局部代码信息的局限性。我们的方法引入了一种自上而下的方法，将关键仓库信息浓缩为知识图谱，降低了复杂性，并采用基于蒙特卡洛树搜索的策略，使智能体能够探索和理解整个仓库。我们引导智能体利用仓库级知识进行总结、分析和规划，使其能够动态获取信息并为真实的GitHub议题生成补丁。在大量实验中，LingmaAgent表现出显著改进，在SWE-bench Lite基准测试上相比SWE-agent实现了18.5%的相对改进。在阿里云的生产部署和评估中，LingmaAgent自动解决了开发工程师遇到的16.9%的内部议题，并在人工干预后解决了43.3%的问题。此外，我们开源了一个LingmaAgent的Python原型，供其他工业开发者参考：https://github.com/RepoUnderstander/RepoUnderstander。事实上，LingmaAgent已被许多后续智能体用作开发参考。
引用
@article{arxiv.2406.01422,
title = {Alibaba LingmaAgent: Improving Automated Issue Resolution via Comprehensive Repository Exploration},
author = {Yingwei Ma and Qingping Yang and Rongyu Cao and Binhua Li and Fei Huang and Yongbin Li},
journal= {arXiv preprint arXiv:2406.01422},
year = {2025}
}