检索条件化的拓扑选择与可证明的预算保持，面向多智能体代码生成

面向代码生成的多智能体LLM系统面临根本路由问题：最优编排拓扑取决于被改代码的结构复杂度，但既有系统选择拓扑时不看代码库。我们提出检索引导的自适应编排（RGAO）：在选择编排拓扑前从层级代码索引提取结构复杂度向量，闭合该回路。RGAO运行于Code-Agent——一个子智能体受六维预算向量形式契约治理的多智能体框架。我们的核心贡献是组合此前两条独立工作线——复杂度条件化LLM路由与形式资源代数——得到两者单独都无法提供的性质：检索条件化动态拓扑选择下的可证明预算保持。具体贡献：(1) 复杂度条件化拓扑路由器，把代理测量的误路由率从30.1%降到8.2%；(2) 带结构归纳保持定理的预算代数；(3) 层级代码检索引擎。实证评估展示亚毫秒DAG构建与线性树索引可扩展性。