CODESTRUCT：基于结构化动作空间的代码智能体

基于LLM的代码智能体将仓库视为非结构化文本，通过脆弱的字符串匹配应用编辑，这种匹配常因格式漂移或歧义模式而失败。我们提议将代码库重构为结构化动作空间，让智能体操作命名的AST实体而非文本片段。我们的框架CODESTRUCT提供readCode用于检索完整语法单元，提供editCode对语义程序元素施加经过语法校验的变换。在SWE-Bench Verified上跨六个LLM评估，CODESTRUCT将Pass@1准确率提升1.2-5.0%，同时对大多数模型将token消耗降低12-38%。在文本接口下频繁无法产出有效补丁的模型受益最大：GPT-5-nano提升20.8%，空补丁失败率从46.6%降至7.2%。在CodeAssistBench上，我们观察到一致的准确率提升（+0.8-4.4%）以及最高33%的成本降低。我们的结果表明，结构感知接口为代码智能体提供了更可靠的基础。