存储库级代码问答的深度代理搜索：实证研究

代码代理花费大量精力只是在存储库中查找正确的代码。目前的实践主要有两种方法。在语义搜索中，代理从预先从存储库构建的向量索引中检索代码块。在深度代理搜索（也称为子代理 grep-search）中，规划代理将探索委托给一个单独的子代理，该子代理在隔离的上下文窗口中工作并仅返回压缩结果。第二种设计被认为是良好的上下文工程实践，它的存在是为了保护主要代理免受上下文污染（也称为上下文腐烂），即上下文窗口中不相关材料累积时发生的准确性损失。最近的代码代理（例如 Claude Code、Codex、Antigravity 等）很快就采用了它，但几乎没有证据表明它是否能产生更好的答案。我们在 SWE-QA（存储库级代码问答的基准）上比较了这两种方法。语义搜索正确回答了 65.2% 的问题，而深度代理搜索的回答率为 46.2%，而且它生成每个正确答案的成本不到一半。为了解释这一差距，我们将每次失败的运行编码为故障模式分类。分类法表明，深度代理搜索并没有消除失败，而是引入了一种新的失败类别：最大的失败比例（41.8%）发生在规划者与其子代理之间的交接时，这些失败通常是无声的，以流利而自信的错误答案结束。深度代理搜索解决了一个实际问题，现在是许多代码代理的首选设计。然而，我们的结果表明，它提供的保护可能不是免费的，并且对于可索引的存储库的只读问题，检索是更强大且更便宜的选择。