ATLAS：大规模软件生态系统的代理分类法

GitHub 上的开源生态系统缺乏系统的软件存储库分层分类。占主导地位的组织机制 GitHub Topics 扁平化、不一致，仅覆盖 67% 的项目。我们提出了 ATLAS，这是第一个自动为软件存储库构建分层分类法并将项目端到端分类的框架。通过将 LLM 全局知识与真实的存储库分布相结合，ATLAS 提出了有意义的分割维度，并迭代纠正了那些无法适应真实项目的维度。设计器代理建议分割维度，而分类器代理分配存储库；自我纠正的细化循环利用分类失败通过升级策略来驱动维度修订。我们根据跨越四种范式、两个下游任务和三个模型系列的六个基线，在 54,387 个 GitHub 存储库上评估 ATLAS。在分层的 2,001 个存储库基准上，ATLAS 的分类质量 F 得分 (TQF) 达到 83.13%，比最佳基线高出 15 个百分点（在完整的 54k 语料库上，TQF 大约为 73.0%，这一差距是由路径粒度在较长路径上的全有或全无评分造成的，而不是较低的分类精度）。这是同时实现高结构质量和高实际适用性的唯一方法。在下游任务中，ATLAS 实现了 P@1 = 85.71% 的替代发现，甚至超过了人工整理的列表 (62.34%)，并实现了存储库检索的最高 P@1。该分类法进一步揭示了难以通过平面标签或相似性方法获得的结构性生态系统趋势：从图书馆到 AI/ML 应用程序的转变（现在占新社区采用项目的 61%）只有通过分层、基于类型的分类才能变得可见。交互式分类浏览器位于 https://atlas-taxonomy.netlify.app/