从“造工具”到“用仓库”：RepoMaster，驾驭GitHub解决复杂任务的智能体大师！

130 0 0

文章摘要

【关键词】 RepoMaster、开源代码、核心框架、实验评估、AI代码

GitHub拥有庞大的开源代码仓库，但开发者复用代码时面临诸多挑战。为解决这一问题，中科院、清华等机构与QuantaAlpha等团队联合推出了RepoMaster，旨在让AI智能体像人类专家一样解决复杂开发任务。

RepoMaster核心框架是从深度理解到自主执行的三步闭环。工作流程始于动态搜索与选择，根据任务需求筛选代码仓库。其核心优势在于三阶段闭环框架：第一阶段进行层级化仓库分析，通过混合结构化仓库映射构建三种视图描绘代码库全貌，再用多维度评分机制识别核心组件；第二阶段开展自主探索与执行，利用上下文感知的代码探索工具集进行精细化操作，并基于反馈的交互式执行实现“边做边学”；第三阶段采用多层次信息筛选策略，对代码、文档和日志进行减负。

实验评估显示RepoMaster实现了效果与效率的双重飞跃。选用MLE – R和GitTaskBench两大评测基准，在性能上，RepoMaster远超OpenHands和SWE – Agent等主流框架，如在GitTaskBench上，Claude 3.5模型驱动下最高任务成功率大幅提升；在效率方面，token消耗量仅约为SWE – Agent的57%。消融实验验证了层级化分析、代码探索和信息筛选三大模块对性能的决定性作用。

案例分析直观体现了RepoMaster的优势。在3D姿态估计任务中，基线智能体易失败或偏离核心算法，而RepoMaster凭借结构化分析能力迅速锁定关键组件，高效完成任务。

RepoMaster具有重要意义和广阔前景。它不仅在性能指标上有突破，还指明了AI智能体有效利用人类代码遗产库的道路，证明开源仓库可作为可组合、可复用的工具。未来，其设计理念有望推动更具可持续性和协作性的AI – for – code生态系统，为多项目协同、软件缺陷修复及跨领域迁移奠定基础，加速人机协作的良性循环，推动开源世界创新进步。