通过推断内部 API 信息提升项目特定代码补全
软件工程
2025-07-29 v1 计算与语言
摘要
项目特定代码补全是一个关键任务，利用项目上下文生成准确的代码。最新方法使用检索增强生成 (RAG) 结合大语言模型 (LLM) 和项目信息进行代码补全。然而，这些方法往往难以Incorporate内部 API 信息，而这对于准确性尤其在 API 未显式导入文件时至关重要。为此，我们提出一种无需依赖导入即可推断内部 API 信息的方法。该方法通过构建用例和语义描述来扩展 API 表示，构建知识库供 LLM 生成相关补全。我们还引入 ProjBench 一个避免泄露导入并由大规模真实世界项目组成的基准。实验在 ProjBench 和 CrossCodeEval 上表明，我们的方法显著优于现有方法，代码精确匹配提高 22.72%，标识符精确匹配提高 18.31%。此外，将该方法与现有基线集成可将代码匹配提高 47.80%，标识符匹配提高 35.55%。
引用
@article{arxiv.2507.20888,
title = {Enhancing Project-Specific Code Completion by Inferring Internal API Information},
author = {Le Deng and Xiaoxue Ren and Chao Ni and Ming Liang and David Lo and Zhongxin Liu},
journal= {arXiv preprint arXiv:2507.20888},
year = {2025}
}