字节前技术负责人创业，联手清华姚班校友，编程智能体世界登顶

AIGC动态1小时前发布 almosthuman2014

55 0 0

文章摘要

人工智能编程正经历从快速原型开发向企业级工程实践的范式转变。由Andrej Karpathy提出的Vibe Coding概念虽然能通过自然语言提示生成单脚本代码，但在处理复杂工程问题时暴露出上下文理解深度不足、跨文件修改能力有限等缺陷。词元无限团队开发的InfCode智能体系统在SWE-Bench Verified和Multi-SWE-bench-CPP两项权威基准测试中分别取得79.4%和25.58%的通过率，标志着AI编程进入以多智能体协同为核心的工程化阶段。

InfCode的核心突破在于建立了功能意图驱动的代码定位体系。通过代码意图分析机制，系统能超越传统RAG的字面匹配局限，将自然语言描述映射到具体实现单元。在C++等系统语言场景中，其基于AST的结构化检索引擎可精准识别类定义和成员函数，解决跨文件修改时标识符歧义问题。研究显示，该系统在需要修改200余行代码的复杂任务中仍保持稳定表现。

对抗式双智能体架构构成了InfCode的技术支柱。代码补丁生成器与测试补丁生成器形成闭环迭代：前者负责通过现有测试集，后者持续生成边界用例验证鲁棒性。这种设计使补丁质量随迭代轮次呈指数级提升，最终输出符合工程标准的解决方案。实验数据表明，经过五轮对抗优化的补丁在Multi-SWE-bench-CPP上的通过率较单轮生成模式提升317%。

团队采用生成-筛选两阶段流程确保修复可靠性。在并行生成的容器环境中，系统通过真实构建测试验证补丁的行为一致性和副作用控制。该机制有效避免了过拟合特定测试用例的情况，其筛选出的解决方案平均涉及7.3个文件修改，最长依赖链达到14个函数调用层级，展现出处理企业级复杂依赖的能力。

技术突破背后是兼具学术深度与产业经验的跨学科团队。核心成员包含字节跳动前软件工程实验室负责人、清华姚班算法专家及连续创业者，形成从技术研发到商业落地的完整闭环。该团队正推动AI编程从工具效能层面向软件工程全生命周期演进，其提出的「数字员工」平台概念正在重构传统开发范式。通过将语义理解、语法分析与多智能体协作相结合，InfCode为工业界提供了处理系统级代码库的新方法论，这或许预示着软件开发即将迎来智能体驱动的组织级进化。