标题：AI助力大型代码库管理，开发者福音 | 阿里巴巴、新加坡国立大学、西安交大

AI在代码生成和补全方面展现出巨大潜力，但处理大规模、多文件代码库时，大语言模型（LLMs）面临挑战。为解决此问题，研究人员开发了CodexGraph，一个结合代码图数据库与语言模型的系统，旨在提高通用性和泛化能力。

研究方法

1. 构建代码图数据库：利用静态分析技术，依据预定义的Schema，将代码库中的元素（如模块、类、函数）及其关系映射到图数据库中。
2. 代码结构感知查询：运用灵活的图形查询语言和图数据库结构特性，实现复杂查询和深度检索。
3. “Write then translate”策略：主语言模型（LM）分析问题，生成自然语言查询；专门的翻译LM将查询转换为格式化的图形查询语言。
4. 迭代式管道：LM根据用户问题和现有信息，逐步优化查询和检索结果。

实验与应用

CodexGraph在多个基准测试（如CrossCodeEval、EvoCodeBench、SWE-bench）上表现出色，覆盖了跨文件代码补全、代码生成和自动化GitHub问题解决等任务。实验结果证实了代码图数据库作为语言模型与代码库接口的有效性。

研究发现，处理不同难度推理任务时，查询策略有所不同。在CrossCodeEval中，多重查询策略更优；而在SWE-bench中，单个查询策略效果更好。移除Cypher LM代理会增加主LM代理的推理负担，影响性能。

基于ModelScope-Agent框架，CodexGraph在多个场景下展现出实际应用价值，包括代码聊天助手、代码调试工具、单元测试生成器、代码生成器和代码注释工具。这些应用展示了CodexGraph在生产环境中的高效性和质量提升能力。

总结

CodexGraph通过代码图数据库为语言模型与代码库提供了一种新交互方式，显著提升了复杂代码库理解能力与整体代码检索导航的准确性。这一解决方案为自动化软件工程领域带来革新，尤其在应对检索辅助代码生成（RACG）挑战时展现出广泛潜力与实际价值。未来，CodexGraph有望支持更多编程语言，并进一步优化工作流程与索引构建效率。

代码链接：https://github.com/modelscope/modelscope-agent/tree/master/apps/codexgraph_agent

arXiv链接：https://arxiv.org/pdf/2408.03910