DeepRepoQA：用智能体深度探索回答代码仓库问题

回答开发人员有关软件存储库的问题是软件工程中一个关键但尚未得到充分探索的问题。虽然现有的存储库理解方法已经推动了该领域的发展，但它们主要依赖于表面级代码检索，缺乏对多个文件、复杂软件架构和长期代码依赖关系中的基础答案进行深度推理的能力。为了解决这些限制，我们提出了 DeepRepoQA，这是一种用于存储库级代码理解的新型问答（QA）框架。 DeepRepoQA 构建在代理框架上，LLM 代理通过对存储库结构进行系统树搜索来查找答案。采用蒙特卡罗树搜索 (MCTS) 机制，使代理能够动态搜索、导航和检查代码，从而实现对远程代码依赖关系的有效多跳推理。 SWE-QA 基准的综合实验表明，与强大的基线相比，性能有了显着提升，验证了系统性 MCTS 引导的多跳存储库推理探索的有效性。