召回陷阱：召回最大化 检索器 配置减少了固定预算代码上下文中的问题解决率

代码助手的检索配置通常按召回率等指标优化，并默认检索改善能带来更高的任务成功率。本文报告代码修复中的受控案例，检验已知的相关性与多样性、检索目标与任务目标之间的权衡。在SWE-bench Verified上，研究把检索结果放入固定的12槽上下文包，禁用搜索工具，仅切换“每个文件只保留一个片段”的去重开关。开启去重时，参考文件出现在87.8%的上下文包中，关闭时为80.6%；但关闭去重、用文件覆盖广度换取文件内信息深度，反而提高单次修复成功率：gpt-5.6-sol从39.2%升至46.8%，提高7.6个百分点（n=500，McNemar精确检验p=0.0003）；预注册的Qwen3.6-27B开放权重复现实验提高3.6个百分点（n=499，p=0.0133）。按代码仓库聚类处理后，两项结果仍成立。改善与同一文件中关键片段的数量有关，随机片段对照排除了仅由argmax选择造成的假象。该结果存在明确的适用范围：使用词法BM25检索器时方向逆转，下降3.2个百分点；允许智能体无限制使用Read工具时未检出改善；四种语言的SWE-PolyBench实验提高2.6个百分点，但不显著（N=617，p=0.056）。在严格的固定上下文预算下，应按任务表现对上下文打包策略做A/B比较，而不能仅凭检索指标决定是否按文件强制去重。