arXiv cs.AI· Farzad Habibi, Changrong Wu, Jinzhou Jiang, Guohan Lu·· 14 小时前AI 评分40
CodeMeepo：面向仓库级代码迁移与优化的多智能体工作流
CodeMeepo: A Multi-Agent Workflow for Repository-Level Code Migration and Optimization
AI 导读
CodeMeepo 是一个用于大型仓库完整、高效迁移的多智能体流水线，在三种语言对的九个测试对象上均取得最佳通过率，比使用同一模型的 SOTA 多智能体基线多通过 18% 的测试。每个里程碑由智能体不参与编写或修改的固定外部 oracle 评估，并通过独立的 parity 评估把发现的差距重新纳入计划。其优化阶段在生产守护进程上改善了半数基准，平均提升 25%。
正文 · AI 翻译
摘要：仓库级代码迁移是指用新的编程语言重写整个项目，同时保持其可观察行为不变。这项任务颇具挑战，因为行为跨越相互依赖的模块，依赖项和构建基础设施必须适配目标生态系统，而且源代码往往是唯一的规范说明。
大型语言模型智能体现在可以端到端地尝试这些迁移，但仍存在三个挑战。第一，同时编写翻译和验收测试的智能体可能会在两者中忽略相同的需求，导致缺失或错误的行为未被发现。第二，大型仓库可能超出模型的上下文窗口，而将工作拆分为更小的任务并不能确保所有必需的行为都被迁移。第三，即使行为正确的翻译也可能比原始实现更慢。
我们提出 CodeMeepo，一个用于大型仓库完整且高效迁移的多智能体流水线。每个里程碑都依据固定的外部判定标准进行评估，该标准既不由智能体编写也不由其修改。单独的等价性评估会比较源组件和目标组件在范围内的差异，并将识别出的差距作为必需工作重新加入计划。有序的里程碑限制了每个任务的范围，而累积回归检查可防止破坏已迁移的行为。基准引导的优化阶段处理性能问题，随后进行全套件一致性测试和修复。八个专门的智能体角色通过文件产物进行通信，一个确定性的状态机管理修复、延期、范围变更和终止。
在三种语言对的九个对象上，CodeMeepo 在每个对象上都取得了最佳通过率，并且使用相同模型时比最先进的多智能体基线多通过 18% 的测试。在一个生产守护进程上，其优化阶段改善了半数基准，平均提升 25%。
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.34633 [cs.SE] |
| （或 arXiv:2610.34633v1 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.34633 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Farzad Habibi [查看电子邮件]
[v1]
2026年10月25日星期日 23:15:38 UTC（151 KB）
来源：arXiv cs.AI · arxiv.org