编码Agent执行修改时究竟需要哪些上下文？

现代编码Agent能把整个代码仓库放进上下文，但多数读取未必有用。论文聚焦修改代码的时刻，区分定位修改位置与实际执行修改：用标准定位结果固定工作位置，只改变代码表示方式，并以SWE-bench Verified上的真实问题解决结果评估上下文。在未参与开发的仓库上，独立评估器发现自然语言摘要只能回答45个代码行为问题中的4个，原始代码能回答27个；前沿模型与3B模型生成的摘要同样较差，说明差异主要来自表示方式。对全部70个多文件实例，按数据检查前冻结的方案，将文件其余部分保留为UML骨架和签名，并未比直接删除解决更多问题，精确McNemar检验p=0.75，预注册假设未获支持。压缩上下文以约三分之一词元达到完整文件的表现；按已解决问题计，上下文词元成本为19K，而非94K。另一个发现是，温度为0的API推理在字节完全相同的重复运行间，约9%的实例结果会翻转，构成小效应的测量噪声。论文发布经参考方案核验的环境、证明每个参考修改都能由各实验组上下文表达的逐实例检查、确定性补丁构建工具，以及包含未获支持结果的预注册假设。