AOCI：使用 LLM 进行实用存储库规模代码理解的符号语义索引

大语言模型 很难理解超过一定规模的代码库——具有数十万行代码的存储库。现有的方法——检索、总结、代理探索——每种方法在查询时构建不同的视图。运行之间的视图有所不同，并且持续存在的内容通常是临时的而不是系统的。本文介绍了 AOCI（面向人工智能的代码索引）：一种符号语义存储库表示，这是一种结构化蓝图，LLM 可以一次性读取该蓝图，以便在执行任何任务之前获得系统架构、依赖关系和关键设计决策的完整存储库级图片。 AOCI 索引由编码规则和条目组成，每个代码单元（文件或数据库表）有一个条目。每个条目将符号标签与语义内容配对。符号组件提供了建筑坐标；语义成分承载着功能、依赖性和约束。它们共同构成了整个系统的一致、稳定的表示。索引维护是增量的：当代码更改时，只有受影响的条目才会根据协议规则重新生成。 AOCI 平台自动执行此过程，使蓝图与代码保持一致。我们对 3 个 LLM 和 6 个背景条件下的 4 个项目进行了 AOCI 评估（2,160 项评估）。 AOCI 的性能优于所有可部署基线，并且在整体准确度方面排名第二，仅次于 Oracle 上限。在五个系统的 19 项工业任务中，AOCI 产生了零最终状态缺陷，而三种主流的基于代理的工具在 12 项任务中引入了缺陷，并消耗了 4--130$\times$ 的词元 ($p < 0.001$)。优势随着任务的复杂性而增加。