How Much Static Structure Do Code Agents Need? A Study of Deterministic Anchoring
代码Agent需要多少静态结构？确定性锚点的研究
🧭 确定性锚点提升Agent定位与稳定性
Beihang University
将轻量级静态调用/继承拓扑作为确定性锚点注入文本，使grep-first代码Agent的导航更可预测，Func@5提升2.2pp，方差减半
📌 工作参考价值
- 注入结构化依赖作为检索上下文稳定探索：在搜索/推荐Agent中，可将物品之间的协同过滤图、知识图谱边或查询-文档关联作为“确定性锚点”写入文本索引，让Agent无需额外工具调用即可遵循结构，减少随机游走。
- 自适应方向性应对hub节点过曝：类似推荐中的热门物品，代码图中高连接度节点会在前向边标注下淹没检索结果；借鉴逆边策略（仅暴露“谁依赖我”），可减轻中心节点偏向，提升冷门/长尾内容的探索效率。
- 零侵入式上下文注入降低工程风险：将结构信息直接以注释形式插入现有文本索引，不改动Agent控制循环与工具集，适合在已上线的RAG/生成式推荐Agent中做低成本渐进实验。
- 将单次运行可靠性作为核心指标：生产环境中Agent只执行一次，Pass@1比均值更重要；论文表明锚点提升Pass@1 +3.4pp，提示在评估推荐Agent时应重视单次判定稳定性而非仅看平均召回。
动机
当前主流代码Agent（Copilot Workspace、Claude Code、SWE-agent等）采用grep-first范式：迭代使用关键词搜索、打开匹配代码、推理、再搜索。这种方式简单高效，但存在结构性失明——grep只返回词法匹配的行，不暴露调用图、继承链、配置依赖等真实软件的组织关系。这种失明与LLM控制器的随机性结合，导致Agent轨迹高方差：同一任务多次运行会访问不同文件、经过不同步数、产生不同补丁，即使最终结局相同。这使行为难以审查和复现，对工程实践构成风险。
方法
- 确定性锚点（deterministic anchoring）思想：将仓库级静态结构（谁调用谁、谁继承谁、配置流向等）作为固定事实注入源代码的文本视图，充当导航的“锚”，减少Agent自行发现链接的负担，使探索更受约束。
- CodeAnchor框架：离线轻量级静态分析管道（PyCG调用图 + AST提取器）生成结构化注释标签，如
# function xxx invokes: yyy, called by: zzz，直接插入源文件。运行时Agent仍用普通grep搜索，但结果中同时包含代码与附近标签，实现“检索短路”效应——Agent打开实体时，标签已给出附近的结构链接，可直接沿结构跳转，无需额外搜索。 - 多粒度与方向性配置：实验了Anchor-Topo（双向调用/继承）、Anchor-Dense（额外数据流/配置边）、Anchor-Inv（仅逆边，即仅“谁调用我”）三种变体，研究不同仓库规模下最优的结构注入策略。
关键实验与结果
- 数据集：SWE-bench Lite (274个任务) 和 SWE-bench Verified (500个任务)。对比Baseline（纯grep，已强于图基Agent）与不同锚点配置。
- RQ1（基本拓扑作用）：Anchor-Topo带来Func@5 +2.2pp (Lite, p=0.041)、Func@10 +1.4pp (Verified)，轨迹长度缩短1.6–1.5轮；结构迂回使File@1略降，但最终函数级定位提升。
- RQ2（粒度与方向性）：更丰富的Anchor-Dense出现饱和效应，本地化收益不增而token开销↑18.8%；方向性受仓库规模影响：中等规模项目（<50k LOC）双向最优，大型集线器重仓库（>100k LOC，中心节点占比高）逆边表现更好（Func@5 +0.2pp，token持平）。
- RQ3（行为与稳定性）：标签将链接跟随率从0.15–0.18抬至0.21–0.24；在Lite上减小方差约一半（标准差0.022 vs 0.043），Pass@1提升3.4pp；在Verified上收益较小，说明集线器重项目引入额外变异性。
核心认知：静态结构的主要价值不是让Agent“更聪明”，而是让导航“更规矩、更可复现”——这正是确定性锚点效应。