自主问题解决器：通向零接触代码维护

最新进展在大型语言模型方面彻底革新了函数级代码生成；然而，面向整个仓库的自动程序修复 (APR) 仍是一个重大挑战。当前方法通常采用控制中心范式，迫使代理人穿梭于复杂目录结构和无关控制逻辑之间。在本文中，我们提出一种范式转变，从标准代码属性图 (CPG) 转向数据转换图 (DTG) 的概念，将数据状态建模为节点、函数建模为边，使代理人能够通过数据血缘而非控制流程来追踪逻辑缺陷。我们引入一个多代理框架，将数据完整性导航与控制流程逻辑相结合。我们的理论分析和案例研究表明，这种方法解决了现代编码代理中标准 RAG 系统固有的“语义陷阱”。我们提供了一个综合实现，即自主问题解决器 (AIR)，一个用于零接触代码维护的自我改进系统，利用神经符号推理并采用 DTG 结构实现可扩展的逻辑修复。我们的做法在多个 SWE 基准测试中均显示出良好结果，在 SWE-Verified 基准测试中达到了 87.1% 的解决率。我们的做法直接针对当前 AI 代码助理工具的核心局限性，解决了日益依赖软件世界所需更稳健基础的关键需求。