One Minute Read Paper Stair Reusing Past Repairs Through Hierarchical Trajectory Abstraction For Coding Agents

One-Minute Read: STAIR — 编码代理的分层轨迹抽象与经验复用

Hook：让 AI 编程代理像人类专家一样”记住”修复经验

软件维护占整个开发生命周期的 50%-70%，而当前大多数 LLM 驱动的自主代码修复代理（SWE-agent、AutoCodeRover、OpenHands）将每个 issue 视为独立任务——每次运行结束后，它们丢弃嵌入在历史修复轨迹中的程序性知识。Concordia University 与华为团队提出的 STAIR 框架从根本上改变了这一范式：它将历史修复轨迹转化为多层次、可复用的计划，使代理能够像人类专家一样从过去的经验中学习。

核心问题：代理为何需要”程序性记忆”？

认知科学研究表明，人类专家在解决新问题时，本质上是在进行案例推理（case-based reasoning）——从记忆中检索类似案例，提取可迁移的策略，并将其适配到当前情境中。然而，现有代码修复代理的行为类似于”失忆症患者”：即使两个高度相似的 issue 被先后提交给同一个代理，代理也会像第一次遇到一样重新探索整个修复过程。

尽管近期一些研究开始探索知识复用（Lingxi、SWE-Exp、ExpeRepair），但它们面临三个关键局限：仅从单一粒度级别表示知识；将检索到的知识直接注入提示而不针对目标 issue 适配；未将相似修复轨迹相关联以提取反复出现的模式。

STAIR 框架：四层闭环设计

STAIR（Hierarchical Trajectory Abstraction for Coding Agents）的核心创新在于分层轨迹抽象。其框架包含四个模块，形成完整的”收集-抽象-检索-应用”闭环：

程序性知识构建：通过在被解决的历史 issue 上运行修复代理来收集历史轨迹，按故障定位、规划、执行与验证三个阶段组织。

分层轨迹抽象（核心创新）：使用两个基于 LLM 的操作符迭代地构建层次结构——分组操作符将共享一致程序意图的连续步骤划分为一组；抽象操作符将每组提炼为包含修复意图、关键动作、适用条件和常见陷阱的结构化节点。一个典型的 Django issue 修复从 Level 0 的 35 个细粒度步骤，被抽象为 Level 1 的中层策略（”当功能通过 UI 被阻止时，还需检查后端是否直接拒绝它”），最终提炼为 Level 2 的高层原则（”始终在每个系统层级强制执行意图，而不仅仅在可见入口点”）。

指导检索与计划生成：基于文本相似度评分、LLM 验证器过滤和排序，将抽象指导适配为针对当前问题的可执行计划。

计划引导的问题解决：生成的阶段特定计划在修复过程中注入代理提示——引导但不强制，确保灵活性与适应性。

实验结果：开源模型超越最强商业模型

在 SWE-bench Verified（500 个真实 GitHub issue）上的表现令人瞩目：

• STAIR + MiniMax M2.5（开源权重模型）达到 81.2% Pass@1，在所有对比代理中排名第一
• STAIR + GPT-5 达到 79.2%，与基于 Claude 4.5 Opus 的 Sonar Foundation Agent 持平

这一结果具有里程碑意义：框架设计的质量可以显著弥补骨干模型能力的差距。对于资源受限的组织而言，选择优秀的代理架构比单纯追求最强模型更具性价比。

消融实验进一步验证了层次化抽象的核心贡献：完整多层抽象（76.0%）优于仅低层（62.4%）、仅高层（56.8%），更远超无抽象的原始轨迹（53.6%）。混合多个抽象级别比任何单一级别高出 13-19 个百分点。

跨代理泛化测试中，STAIR 生成的计划在无代码修改的情况下转移到 mini-SWE-agent v2，Pass@1 从 75.8% 提升至 81.0%，同时 token 使用量减少约 3.5%。

局限与风险

STAIR 并非完美。冷启动问题：预处理成本约 211 美元（479 个轨迹），新仓库在积累足够历史之前无法获得有效指导。计划质量依赖 LLM：分组和抽象操作均基于 GPT-5，结果受底层模型能力制约。实验仅限于 Python 代码库，跨语言迁移效果尚未验证。回退分析显示约 19% 的情况下 STAIR 未能解决而基线解决了的问题，主要源于计划不完整或代理执行偏离。

未来观察点

STAIR 的分层轨迹抽象方法具有超越代码修复的广泛适用性：Web 导航、数据分析、科学发现等多步推理场景均可受益；多智能体协作系统中不同角色可共享层次化程序性记忆；个性化 AI 助手可将用户偏好编码为多层次可复用知识。未来方向包括失败轨迹的价值挖掘（将”什么不起作用”编码为反模式知识）、动态层级调整（根据问题复杂度自适应抽象深度），以及跨代理计划共享的标准化接口。

行动清单

1. 关注 STAIR 代码开源：目前论文未公开代码，开源后将加速社区验证
2. 评估在内部 issue tracker 中的应用潜力：若团队有持续积累的 bug 修复记录，STAIR 式经验复用可显著降低重复劳动
3. 跟踪失败轨迹利用方向：从失败修复中提取”反模式”知识是极具价值的未来研究方向

References

1. Xu, Y., Zhou, J., Pan, R., & Chen, T.-H. (2026). Reusing Past Repairs Through Hierarchical Trajectory Abstraction for Coding Agents. arXiv:2607.29658v1 [cs.SE].
2. Jiang, T., et al. (2026). PhoenixRepair: Rethinking Repair Strategy Exploration in Software Agents. arXiv:2607.18859v1.
3. Aamodt, T., & Plaza, E. (1994). Case-Based Reasoning: Foundational Issues. AI Communications.