arXiv cs.AI· Peng Ding, Rick Stevens·· 3 天前AI 评分36
LLM 辅助零依赖 Python 库：stdlib 与第三方库的性能和正确性对比
Stdlib or Third-Party? Empirical Performance and Correctness of LLM-Assisted Zero-Dependency Python Libraries
AI 导读
研究用 44 个仅依赖标准库的单文件 Python 模块（zerodep）对比参考库，发现多数场景下 stdlib 实现性能相当（2x 以内），部分因架构开销反而快 5x-115x，但图像处理、二进制序列化、底层加密等依赖 C 扩展的计算存在明显性能悬崖。
正文 · AI 翻译
摘要：第三方 Python 库引入了依赖管理开销、供应链风险和部署摩擦。我们研究在何种情况下消除依赖能够保留足够的正确性和性能，从而证明在占用空间、可部署性和信任面方面获得的收益是合理的。我们的测试平台是 zerodep，包含 44 个单文件、仅使用标准库的 Python 模块，涵盖 12 个类别，每个模块都与其参考库进行基准测试。
出现了三种性能情形。仅使用标准库的实现在大多数情况下达到同等水平（2 倍以内）；在架构开销占主导的情况下，许多实现比其参考库快 5 倍至 115 倍；而在由 C 扩展支持的计算（图像处理、二进制序列化、底层加密）方面则出现明显的断崖，这一点通过 PyPy JIT 和性能分析实验得到证实。除速度之外，标准库模块将安装占用空间减少数个数量级（中位数 31 KB 对 700 KB），导入速度快 2.2 倍，并消除了由 128 个不同 PyPI 账户维护的 88 个传递依赖。
对全部 44 个模块的 LLM 辅助开发过程的分析表明，规范完整性而非模型能力是生成成功的有力预测因素，并且与契约关联的审查将审查工作量减少 5 倍，同时消除兼容性回归。总之，这些结果将消除依赖从一种轶事式的编码风格转变为一种基于证据的工程权衡。
| 评论： | 17 页 |
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI）；编程语言（cs.PL） |
| 引用为： | arXiv:2605.21405 [cs.SE] |
| （或使用 arXiv:2605.21405v2 [cs.SE] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2605.21405 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Peng Ding [查看电子邮件]
[v1]
2026 年 5 月 20 日星期三 17:02:54 UTC（34 KB）
[v2]
2026 年 10 月 13 日星期二 08:27:49 UTC（76 KB）
来源：arXiv cs.AI · arxiv.org