RepoAtlas: Guiding Coding Agents via Evolving Multimodal Repository Views
作者: Yunxiang Zhang, Haiquan Wang, JiaWei Guo, Hanyang Xia, Yan Chen, Tong Chen, Zhang Zhiwei, Junchen Ye
分类: cs.SE, cs.AI
发布日期: 2026-09-15
💡 一句话要点
提出RepoAtlas以解决代码库问题定位与上下文维护难题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 编码代理 多模态视图 代码库问题 软件工程 动态更新
📋 核心要点
- 现有的编码代理在处理代码库级别的问题时，难以有效定位相关代码并维护上下文信息，导致问题解决效率低下。
- RepoAtlas通过选择-投影-刷新循环，动态维护多模态代码库视图，结合问题证据与当前探索状态，提升了任务相关性。
- 在SWE-bench Verified上，RepoAtlas的解决率提高了2.4个百分点，同时输入标记和模型调用分别减少了5.8%和7.8%。
📝 摘要（中文）
基于大型语言模型（LLM）的编码代理在自动化软件工程任务方面取得了快速进展，但在代码库级别的问题解决上仍面临挑战。除了生成合理的补丁外，代理还必须在相互依赖的文件中定位相关代码，并保持足够且专注的代码库上下文。RepoAtlas是一个无训练模块，通过对代码库图的选择-投影-刷新循环，维护不断演变的多模态代码库视图。RepoAtlas结合问题证据与代理当前的探索状态，在固定预算下选择任务相关区域，将所选结构投影为互补的视觉和文本表示，并在探索状态变化时刷新视图。我们在SWE-bench Verified上评估RepoAtlas，结果显示其解决率提高了2.4个百分点，同时输入标记和模型调用平均减少了5.8%和7.8%，在不同模型家族和规模上均表现出一致的提升。
🔬 方法详解
问题定义：论文要解决的问题是如何在复杂的代码库中有效定位相关代码并维护上下文信息。现有方法在处理相互依赖的文件时，往往无法提供足够的上下文，导致生成的补丁不够准确或有效。
核心思路：RepoAtlas的核心思路是通过一个无训练的模块，利用选择-投影-刷新循环来动态维护多模态的代码库视图。这种设计使得代理能够在固定预算内选择与任务相关的代码区域，并根据当前的探索状态进行更新。
技术框架：RepoAtlas的整体架构包括三个主要模块：选择模块负责从代码库图中选择任务相关区域，投影模块将所选区域转换为视觉和文本表示，刷新模块则在探索状态变化时更新视图。
关键创新：RepoAtlas的主要创新在于其动态维护多模态视图的能力，区别于传统方法的静态视图，能够更好地适应代码库的变化和代理的探索过程。
关键设计：在设计上，RepoAtlas设定了固定的预算限制，以确保选择的区域在计算资源上是可行的。同时，采用了多模态表示方法，以增强信息的可视化和理解。
🖼️ 关键图片
📊 实验亮点
RepoAtlas在SWE-bench Verified上的实验结果显示，其解决率提高了2.4个百分点，同时输入标记和模型调用分别减少了5.8%和7.8%。这一性能提升相较于最强的多模态图基线表现出显著优势，并在不同模型家族和规模上均保持一致的改进。
🎯 应用场景
RepoAtlas的研究成果可广泛应用于软件工程领域，尤其是在代码审查、自动化修复和智能编程助手等场景中。通过提升编码代理的效率和准确性，能够显著降低开发成本，提高软件质量。未来，RepoAtlas有潜力推动更多智能化工具的发展，进一步优化软件开发流程。
📄 摘要（原文）
Large language model (LLM)-powered coding agents have made rapid progress in automating software engineering tasks, yet repository-level issue resolution remains challenging. Beyond generating a plausible patch, an agent must localize relevant code across interdependent files and maintain repository context that is both sufficient and focused. Code graphs expose non-local relations, but linear text interfaces obscure their topology; rendering the full repository graph yields visual representations that are too dense to perceive reliably, whereas a one-shot local view becomes stale as exploration proceeds. We present \textbf{RepoAtlas}, a training-free module that maintains evolving multimodal repository views through a \emph{select--project--refresh} loop over a repository code graph. RepoAtlas combines evidence from the issue with the agent's current exploration state to select a task-relevant region under a fixed budget, projects the selected structure into complementary visual and textual representations, and refreshes the view when changes in the exploration state render it outdated. We evaluate RepoAtlas on SWE-bench Verified, where it improves the resolve rate by 2.4 points while reducing input tokens and model calls by 5.8\% and 7.8\% on average, relative to the strongest multimodal graph baseline, with consistent gains across three models of different families and scales.