8.0
热点
AI SCORE
编程提效2026-11-18 20:15
预载 AST 依赖图加快编程智能体定位
dev.to · AI#编程智能体#AST#依赖分析
Editor brief · 编辑速览
实验用 Gemini 2.5 Flash 在隔离环境中完成 20 个隐藏用例,对比自由文本搜索与预载 AST 符号和调用关系图两种方式。文章报告后一种方式的速度为前者的 3.15 倍。
文章思维导图
Knowledge map
AI brief
原文暂未完整获取,基于公开信息的快读
dev.to 上的一篇文章用 Gemini 2.5 Flash 对比了两种代码定位方式:让编程智能体用 grep 自由探索,或在第一轮就给它一张预先生成的 AST 依赖图。两种方式都通过了 20 个隐藏用例,预载依赖图的一组用时从 42.30 秒降到 13.45 秒。
目前能确认什么
实验在隔离虚拟机里进行。测试仓库有 8 个 Python 模块,其中 3 个在主调用链上,另外 5 个是主流程未引用的辅助或遗留模块。它们共享一些业务词汇,所以关键词命中后,智能体还得打开文件判断是否与任务有关。
AST 是抽象语法树,用来表示源码的语法结构。作者用 Python 标准库的 ast.parse() 做预扫描,把函数签名、常量和调用链整理成 11 行,放进首轮输入。标题里的「0 Token」指预扫描过程无需调用模型,生成的图仍是模型输入的一部分。实验中,智能体读取的无关文件从 5 个降到 0 个,模型调用从 3 次降到 1 次。
我的判断
如果一个仓库的主流程和迁移脚本反复出现同一批业务词,依赖图最直接的用途是帮智能体决定先打开哪些文件。两组用例都通过了,因此这里量到的收益主要是少读文件、少跑几轮。
节选没交代这项对比重复跑了多少次,也没说明依赖图如何处理动态导入、运行时注册的回调。对于这类调用,静态扫描可能漏掉实际会执行的代码。我会把图用来安排阅读顺序,并保留让智能体继续搜索图外文件的能力。