CodeCompass：破解 Agentic 代码智能中的导航悖论

现代代码智能体在超过 100 万 token 的上下文中运行——远超人类手动定位相关文件的规模。然而，智能体在解决真实编码任务时始终无法发现架构上关键的文件。我们识别出导航悖论：智能体表现不佳并非因为上下文限制，而是因为导航与检索在本质上是两个不同的问题。通过在一个生产级 FastAPI 仓库上跨 30 个基准任务进行 258 次自动化试验，我们证明基于图的结构导航——经由 CodeCompass，一个暴露依赖图的 Model Context Protocol 服务器——在隐藏依赖任务上达到 99.4% 的任务完成率，比原生智能体（76.2%）高 23.2 个百分点，比 BM25 检索（78.2%）高 21.2 个百分点。然而，我们发现一个关键的采用鸿沟：58% 的拥有图访问权限的试验零工具调用，智能体需要显式的提示工程才能持续采用该工具。我们的发现表明，瓶颈不在于工具可得性，而在于行为对齐——必须显式引导智能体利用结构化上下文而非词汇启发式。我们贡献：(1) 区分语义搜索、结构型与隐藏依赖场景的任务分类法；(2) 图导航在依赖缺少词汇重叠时优于检索的实证证据；(3) 用于导航工具可复现评估的开源基础设施。