CONTRA：发现并限定行为改变问题，以便在 LLM 代码生成中进行选择性澄清

编码Agent可以生成看起来正确但实现了用户从未想要的行为的代码。当Agent通过自己的假设默默地解决未指定的需求时，可能会出现这种不匹配。随着后续开发建立在这些假设的基础上，纠正由此产生的行为的成本可能会变得越来越高。及早澄清有助于防止此类不匹配，但不必要的问题可能会打断开发人员并减慢开发速度。现有的方法很难识别关键的澄清问题，同时避免不必要的问题。因此，我们提出了 CONTRA，一种无需训练的方法，它将广泛的问题发现与基于语义和执行的问题限定相结合。 CONTRA 首先生成候选问题，并过滤掉那些与所需行为无关或已由需求解决的问题。对于剩下的每个问题，它都会生成以两个看似合理的答案为条件的程序，并检查共享输入的稳定行为差异。然后，它使用交互历史记录在合格的问题中进行选择或停止询问。 ClarifyCodeBench 上的实验表明，CONTRA 在所有四种编码Agent中均实现了最高的 F1，超出最佳基线宏观平均 F1 13.88 个百分点。通过相同的 LLM 和评估协议，CONTRA 还比编码工具 Claude Code 和 OpenHands 实现了更高的澄清召回率和 F1。为了支持实际使用，我们还将 CONTRA 实现为 Claude Code 插件，将选择性澄清集成到日常开发中。