CodeNib:为编码智能体提供仓库上下文的多视图数据系统
摘要
CodeNib是一个多视图数据系统,通过为每次提交构建可复用的词汇视图、密集视图和结构视图,向编码智能体提供仓库上下文,从而实现更快的更新和高效的上下文服务。
查看缓存全文
缓存时间: 2026/07/29 11:52
论文页面 - CodeNib: 一个为编程代理提供仓库上下文的多元数据系统
来源:https://huggingface.co/papers/2607.25431 作者:
,
,
,
,
,
,
,
,
,
,
,
,
,
摘要
编程代理需要反复从不断演变的仓库中搜索、导航和保留上下文,但各自为政的索引、语言服务器以及局限于任务的历史记录迫使它们重复发现,并隐藏了生命周期成本。CodeNib 为每次仓库提交构建可复用的词法、稠密和结构视图,将输出映射到仓库相对的源码范围,在编辑过程中维护选定的视图,并通过一个运行时提供排序搜索、符号导航和有界上下文。在 100 个快照上,我们绘制了仓库-上下文生命周期中的质量-成本前沿。当输出与独立重建匹配时,图更新和向量更新的中位数速度分别提升了 8.7 倍和 25.4 倍。在静态导航子集匹配标准化实时服务器位置(占 1000 个请求的 63%)的情况下,每请求的实时/静态延迟中位数比为 4.7 倍。在五个模型上,选定的上下文策略将定位所需的轨迹 token 数减少了 50%–87%(与 grep/read 配对相比)。这些结果共同支持了具有显式、操作特定有效性边界的多元仓库上下文服务。
查看 arXiv 页面 (https://arxiv.org/abs/2607.25431)查看 PDF (https://arxiv.org/pdf/2607.25431)项目页面 (https://codenib.ai/)GitHub 仓库 (https://github.com/sysevol-ai/CodeNib)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.25431)
在您的代理中获取此论文:
hf papers read 2607\.25431
没有最新的 CLI?curl \-LsSf https://hf\.co/cli/install\.sh \| bash
引用此论文的模型 0
无模型链接此论文
请在模型 README.md 中引用 arxiv.org/abs/2607.25431 以在此页面中链接它。
引用此论文的数据集 1
sysevol-ai/codenib-synthesis 查看器• 更新于约 2 小时前 • 500 • 248 • 2 (https://huggingface.co/datasets/sysevol-ai/codenib-synthesis)
引用此论文的 Space 0
无 Space 链接此论文
请在 Space README.md 中引用 arxiv.org/abs/2607.25431 以在此页面中链接它。
包含此论文的收藏集 0
无收藏集包含此论文
将此论文添加到一个收藏集 (https://huggingface.co/new-collection) 以在此页面中链接它。
相似文章
我构建了一个开源编码代理,让上下文可见且可编辑 — 你可以精确策划大语言模型所看到的内容
作者构建了 Nice Coding Agent,这是一个开源编码工作台,具有可见且可编辑的上下文堆栈,允许用户精确策划大语言模型所看到的内容。它具备本地优先检索、沙盒执行和混合代码搜索功能,旨在让开发者对上下文组装拥有控制和可见性。
构建 Decypher:面向代理的执行上下文引擎
Decypher 是一款通过执行代码库语义分析来为代理编码提供深层执行上下文的工具,使代理能够回答关于代码结构和交互的查询。
@NielsRogge: http://paperswithco.de上的热门论文是"FastContext: Training Efficient Repository Explorer for Coding Agents"…
微软的FastContext是一篇热门论文,介绍了一个搭配编码代理用于高效代码检索的4B小模型,在SWE-Bench Multilingual上能与闭源系统匹敌。
@appliedcompute: https://x.com/appliedcompute/status/2052826576723841292
Applied Compute 推出 ACL-Wiki,这是一个基于其 Context Engine 构建的持续学习记忆系统,能够记录来自 Cursor、Claude Code 和 Codex 的编程智能体交互,从而构建一个不断优化的 Contextbase,在两周内将关键记忆率提升约一倍。该系统通过 MCP 服务器暴露的 Remember-Refine-Retrieve 流水线,为编程智能体提供随使用而持续改进的机构记忆。
ContextSniper:AntTrail的令牌高效代码记忆模块用于仓库级程序修复
ContextSniper是一个令牌高效的代码记忆层,用于使用LLM代理进行仓库级程序修复。它在SWE-bench Lite上将令牌使用量降低高达51.5%,成本降低高达36.4%,同时保持相似的解决率。