arXiv cs.AI· Haibo Jin, Xinjie Li, Peng Kuang, Haohan Wang·· 10 天前AI 评分32
HERMES：用模块化可执行 Dev-Primitives 做软件工程 Harness Engineering
Harness Engineering for Software Engineering via Modular Executable Dev-Primitives
AI 导读
针对 LLM 智能体在长周期软件工程任务中上下文爆炸与语义漂移的问题，研究者提出 Dev-Primitives——把仓库构件与其常驻 LLM 配对，使其具备自然语言推理、组件间通信和局部自我修改能力，并据此构建 HERMES 框架，通过依赖感知的动态激活与缺陷诊断机制在仓库规模上实例化这些原语。
正文 · AI 翻译
摘要：具备终端访问能力的大型语言模型（LLM）已展现出在软件工程任务自动化方面的强大能力。然而，现有智能体在长周期工作流中仍然表现脆弱：它们必须反复重建分散在源文件、配置、测试、依赖项和运行时行为中的程序状态，导致交互历史不断增长、上下文爆炸和语义漂移。大型代码仓库进一步增加了识别任务相关组件的难度。为应对这些挑战，我们提出 \textbf{Dev-Primitives}（\emph{Development Primitives}），一种模块化且可执行的抽象，将仓库组件从被动的软件制品转变为软件工程中的主动参与者。每个 Dev-Primitive 将一个仓库制品与一个常驻 LLM 配对，使该制品获得一个基于其自身实现和依赖的智能体原生接口，从而实现自然语言推理、组件间通信和局部自我修改。在 Dev-Primitives 的基础上，我们提出 \textbf{HERMES}，一个通过模块化可执行 Dev-PrimitiveS 进行软件引擎工程的 Harness Engineering 框架，它通过依赖感知的动态激活机制和将执行证据映射回必须修改组件的缺陷诊断机制，在仓库规模上实例化这些原语。在四个软件工程基准上的大量实验表明，HERMES 平均比匹配的基线 harness 高出 12.4\%。此外，当与强大的激活和诊断模型配对时，即使使用 Qwen3-8B Dev-Primitives，HERMES 在所有四个基准上仍与同构的 GPT-5.6 Sol 配置相差不超过 4.5\%，同时在 Terminal-Bench 4.0 上将推理成本降低 26.2\%，凸显了 harness 设计在软件工程智能体中的重要性。
| 评论： | 30 页 |
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI）；计算与语言（cs.CL）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.07832 [cs.SE] |
| （或 arXiv:2610.07832v1 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07832 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Haibo Jin [查看电子邮件]
[v1]
2026年10月6日星期二 06:32:11 UTC（526 KB）
来源：arXiv cs.AI · arxiv.org