ai, engineering,

一分钟读论文:《三个AI智能体组队修复仓库级问题》

Unbug By Unbug Follow · 1 min read
一分钟读论文:《三个AI智能体组队修复仓库级问题》
Share this

天津大学与字节跳动的 ICSE 2026 论文《Agent-Based Ensemble Reasoning》提出 EnAgent:三个 AI 智能体组队修复仓库级 Issue,登顶 SWE-bench Verified,Pass@1 达 78.80%。

EnAgent 由三个分工明确的智能体组成:生成智能体提出多个修复方案,剪枝智能体快速过滤明显不可行的方案,选择智能体从剩下的方案中选出最优解。这套结构的直觉来源很朴素——单个模型会犯错,但让多个视角先发散再收敛,犯同样错的概率就会下降。

仓库级代码修复为什么难

修复仓库级 Issue 比单函数代码生成难一个量级。集成空间太大:一个问题可能有多种修复方式,不同 LLM、不同提示策略会产生不同结果,如何从大量候选中找到最优解是首要难题,而把所有候选都跑一遍完整测试的成本又高得不可接受——仓库级基准的单个测试套件动辄数分钟,十几个候选逐一验证会把修复流程拖成小时级任务。仓库级理解要求高:需要理解整个代码库结构,知道修改哪个文件、哪个函数,还要保证修改不破坏其他功能——局部正确与全局兼容经常互相矛盾。EnAgent 把问题建模为最优解搜索,用三个模块化智能体分别负责探索、过滤和决策,把”想得广”与”验得起”拆成两个独立问题各自解决。

三个智能体各司其职

生成智能体(Generator)用多种 LLM(如 GPT-4、Claude、DeepSeek)搭配不同提示策略各生成一个修复方案,构成多样化的候选池,相当于先头脑风暴、暂不评判。剪枝智能体(Pruner)用静态检查(语法对不对)和简单测试(基本逻辑通不通)快速把候选池从十几个缩小到 2-3 个,避免每个方案都完整测试的高成本——这是整个系统能落地的关键:便宜的过滤器承担绝大部分淘汰量。选择智能体(Selector)对剩余候选做完整测试,用代码质量、兼容性等更复杂的评估标准选出最终方案。模块化设计让三个智能体可以各自升级而不必重写整个系统,换用更强的模型只会让对应环节变强。

实验结果与启发

论文在 SWE-bench(从真实开源仓库抽取的 Issue 修复基准)上实验:使用 3 种主流 LLM,对比 4 种 SOTA 方法,EnAgent 平均提升 10.22% Pass@1——在这个边际改进以百分点计的领域是很大幅度的进步;集成到 Trae Agent 后登顶 SWE-bench Verified,Pass@1 达 78.80%,意味着在标准测试集上能解决近八成的真实仓库 Issue。对工程师的启发与系统本身同构:遇到问题先多想几个方案,快速排除不靠谱的,再认真验证剩下的——AI 正在学习人类团队的工作方式,而人类团队的分工经验(评审分级、漏斗式筛选)正在被证明同样适用于智能体系统设计。EnAgent 的思路与 Trae Agent 框架同源,可参阅站内《多代理集成推理攻克仓库级问题》。

References


Related
Featured