上下文即 AI 服务：为 LLM 生成的开发人员文档呈现跨文件依赖链

LLM 代理越来越多地编写和维护开发人员文档，但实用性和准确性通常依赖于不易遵循的依赖链。即使上下文中有更多文件，代理仍然必须决定要跟踪哪些跨文件依赖关系。我们提出了上下文即人工智能服务（CAIS），这是一个检索层，LLM 代理在审查或生成文档时可以通过查询来在代码库中查找证据。 CAIS 对源代码、API 参考和上游文档进行索引，然后使代理能够通过结合关键字和语义搜索的工具调用来查询索引。我们在生产 SDK 上使用 Claude Sonnet 4.6 在两个案例研究中评估 CAIS：改进核心源文件中的 API 参考注释并验证 LLM 生成的教程。在这两项研究中，基线已经具有普通的存储库工具，例如文件读取、关键字搜索和符号导航。 CAIS 在顶部添加了一个检索层，因此比较隔离了添加的检索而不是基本的存储库访问。在 API 参考审查中，CAIS 增强代理生成了与基线相同的 5 个缺失文档修复程序，并发现了基线遗漏的 4 个结果：2 个跨文件事实错误和 2 个未指定的 API 注释。在教程验证中，它发现了 1 个可执行错误、1 个 API 使用改进以及 2 个基线管道未捕获的先决条件缺失。这些发现需要跟踪实用程序文件、框架内部、使用示例、测试和组件创建逻辑之间的不明显的依赖链。每个条件运行超过 5 次，添加 CAIS 将两个任务的挂钟时间减少了 22% 到 34%，并降低了输入词元的使用量。