SetupX：LLM 代理能否从功能正确的代码存储库设置中过去的失败中吸取教训？

功能正确的存储库设置旨在配置执行环境（例如，依赖项、构建脚本）以成功执行存储库的记录功能。由于各种特定于存储库的故障，包括依赖项不兼容、工具链缺失、安装不完整和验证策略不匹配，它带来了重大挑战。现有的 LLM 代理很难稳健地解决这些问题，特别是无法支持（1）跨存储库经验传输，（2）不可逆状态更改下的多步骤试验和修复，以及（3）对设置结果的稳健验证以区分设置引起的故障和存储库错误。为了解决这个问题，我们引入了SetupX，一个基于体验式学习的设置框架。首先，我们构建了一个自我进化的体验表示（XPU），这是一个双模态知识单元，编码设置信号、文本指导、可执行操作，以将经过验证的环境修复动态传输到看不见的存储库。其次，我们采用由 LIFO Docker 快照堆栈支持的体验增强推测执行，使代理能够主动尝试修复并安全回滚到已知的良好状态。第三，我们引入了检察官-法官验证协议，将证据收集与最终判决分开，从而超越表面的构建时间指标，实现更可靠的设置验证。精心设计的基准测试的评估结果显示，SetupX 实现了最高性能（例如 92% 的通过率），并且比最强基准高出 19% 以上。至关重要的是，SetupX 擅长复杂的多存储库设置，需要协调不同容器之间的多个互连服务。代码存储库位于 https://github.com/OpenDataBox/SetupX。