PRAXIS：用于领域代码生成的基于图的隐性知识

LLM 代理在一般软件工程任务上取得了出色的性能，但在特定领域的代码生成方面却遇到了困难。我们认为根本原因是代理缺乏隐性知识，包括开发人员通过实践内化但从未记录的特定领域的业务规则、接口契约和操作约定。这些知识深深地埋藏在领域代码之下，分散在代码实体及其依赖关系中，并且对于缺乏它的代理来说是不可见的。这些属性使得隐性知识本质上难以检索或学习。在这项工作中，我们提出了 PRAXIS，这是一个框架，使代理能够系统地提取、表示和重用隐性知识来生成领域代码。 PRAXIS 通过模拟目标代码库中的人类开发工作流程来获取隐性知识，将其提炼为在代码依赖图上组织的结构化单元，并在代码交互时主动将其呈现给代理。大量实验表明，PRAXIS 的性能优于配备强大代理搜索功能以及基于经验和基于技能的方法的最先进代理。该方法无缝集成到各种代理框架和 LLM 中，具有一致的性能改进，并支持持续演进，随着实践的积累，性能稳步扩展。