CodeSpec：用于代理长期功能开发的双重可执行规范

基于 LLM 的代码代理通过与代码库和工具的迭代交互，实现了先进的存储库级软件开发。然而，功能开发需要通过连贯的跨组件功能链将新行为集成到现有架构中。现有的代理通常通过自由形式推理推导出此类链，通常会产生具有不完整功能链的不可靠特征设计。此外，文本设计难以验证和执行，这使得在整个长期开发过程中保持设计与实现的一致性具有挑战性。我们提出了 CodeSpec，这是一种用于存储库级功能开发的双重可执行规范方法。它通过将子需求语义与存储库架构配对的证据来构建可靠的功能链，然后将它们编译成互补的架构和行为规范，以检查链的完整性和正确性，同时在长期交互​​中保持设计实现的一致性。在以现有存储库中的功能开发为目标的FeatureBench上，CodeSpec在DeepSeek-V4-Pro下实现了70.7%、55.0%和49.9%的通过率，优于Claude Code等代表性基线。存储库生成基准 NL2Repo-Bench 的结果进一步证明了其通用性。