RPG：一种用于统一且可扩展代码库生成的存储库规划图

76 0

微软、清华大学和加州大学圣地亚哥分校的研究人员推出一个名为 Repository Planning Graph (RPG) 的框架，用于从头开始生成完整的软件仓库。它通过将软件的功能规划和实现规划统一到一个图结构中，解决了从高级用户意图到复杂软件结构的转换问题。RPG 通过明确的蓝图取代了自然语言的模糊性，使得长期规划和可扩展的仓库生成成为可能。

论文：https://arxiv.org/abs/2509.16198

例如，你需要从头开始开发一个机器学习库，RPG 可以帮助你规划出库的结构，包括数据加载模块、算法模块、评估模块等，并且能够生成相应的代码框架。通过 ZeroRepo 框架，你可以逐步填充这些模块的具体实现，并通过测试验证其正确性。最终，你将得到一个功能完整、结构清晰的机器学习库。

主要功能

功能规划与实现规划的统一：RPG 将软件的功能目标和实现设计编码到一个图中，节点表示功能和文件结构，边表示语义关系和数据流。
从头开始的仓库生成：基于 RPG，开发了一个名为 ZeroRepo 的框架，它通过三个阶段（提案级规划、实现级细化和图引导的代码生成）来生成完整的软件仓库。
测试验证：生成的代码通过测试驱动开发（TDD）进行验证，确保功能的正确性和稳定性。

主要特点

结构化表示：RPG 提供了一个结构化的表示方法，避免了自然语言的模糊性和不稳定性。
长期规划能力：支持长期规划和逐步扩展，使得软件仓库的生成更加系统和可扩展。
复杂依赖关系的建模：能够捕捉模块间的数据流和类级别的关系，支持更复杂的软件结构。
提高代理理解能力：RPG 作为一个全局的功能导向表示，提高了代理对软件仓库的理解能力，加速了开发过程。

工作原理

提案级规划：将用户需求转化为功能图，通过检索大规模功能树中的节点来组织和细化需求。
实现级规划：将功能图扩展为完整的 RPG，包括文件结构、接口和数据流的编码。
图引导的代码生成：按照 RPG 的拓扑顺序进行代码生成，应用测试驱动开发，逐步实现和验证功能。

测试结果

功能覆盖和准确性：在 RepoCraft 基准测试中，ZeroRepo 达到了 81.5% 的功能覆盖和 69.7% 的通过率，超过了最强基线（Claude Code）27.3 和 35.8 个百分点。
代码规模：ZeroRepo 生成的仓库平均有 36K 行代码，约为 Claude Code 的 3.9 倍，其他基线的 64 倍。
扩展性和稳定性：RPG 支持功能和代码规模的近线性扩展，保持了结构的一致性和可扩展性。