TraceCoder：基于位置键片段版本控制的可解释可审计代码生成

当代基于LLM的编码智能体将代码作为黑盒输出产生：每行代码背后的理据被隐藏，代码经基准驱动修复的演变转瞬即逝，事后审计也不可能。我们提出一个代码生成概念，通过三个互补机制弥补这些不足：（i）关系型片段历史模式，为每次修复事件记录基准引用、轮次编号、失败文本与LLM解释，支持完整溯源查询；（ii）基于浏览器的可视化工具，将这一历史渲染为带热图与悬停注释的源代码；（iii）采用树节点分隔符的竞争性分数位置键索引方案，为每个代码片段分配稳定且按字典序排列的标识符，在不扰动周围行的前提下实现细粒度追踪。我们在覆盖字符串处理、数学计算与数据结构操作的30个算法编程任务上、跨两种提供方配置评估TraceCoder。其中10个任务在具有细微边界情况行为的任务上耗尽6轮迭代预算。平均Chg%达到30%，每十条代码片段中有三条带有可追溯的修复事件行，相比之下，在20任务子集上单独使用Gemini 2.0 Flash作为提供方时该比例为21%。三个详细案例研究展示了系统如何解释是哪些具体的基准失败塑造了最终程序的每一行。所提出的机制使自动化代码生成的内部“叙事”可审计、可回放，这一性质对生产部署中的信任与问责至关重要。