Repo0: Design-Driven Zero-to-All Code Generation
Repo0：设计驱动的零到全代码生成
🧭 LLM Agent 零到全代码生成与结构演化
Shanghai Jiao Tong University · Chongqing University
通过 Dual-DAG 显式架构状态与模块化度量引导结构演化，实现从需求到完整仓库的生成
📌 工作参考价值
- 将复杂 Agent 工作流（如推荐系统多阶段 pipeline）显式建模为需求层与组件层 DAG，并维护两层对齐关系，避免多模块各自生成导致的接口漂移与集成困难。
- 借鉴模块化度量（内聚/耦合）驱动的结构迭代思路：在生成式推荐或多 Agent 系统中，先收敛模块边界与依赖关系，再进行实现，可减少返工。
- 测试驱动开发（TDD）方式可直接迁移：从业务需求（如推荐场景的预期行为）先生成可执行的测试用例，以测试通过率作为生成质量的核心信号。
- 显式设定结构收敛条件（如模块化指标不再显著变化），为复杂生成任务的迭代停止提供可量化判据，避免无限循环。
动机：现有 LLM 代码生成 agent 大多假设仓库已有既定架构，不能处理从零构建整个软件项目的场景；需要同时完成模块化架构设计与代码实现。
方法关键点：Repo0 维护显式架构状态 Dual-DAG，包含需求级 DAG、组件级 DAG 及二者对齐关系。流程从自然语言需求出发，通过结构化动作迭代演化组件边界，用模块化指标（内聚/耦合）引导，直到结构收敛；收敛后该架构指导测试驱动开发（先生成测试，再生成通过测试的代码）。
关键结果数字：在 RepoCraft 六个真实仓库上，使用 GPT-5 mini 和 DeepSeek V3.2，Repo0 在所有设置下均取得最高 Functionality Coverage 与 Pass Rate；相比最强仓库规划基线 RPG，Functionality Coverage 提升最多 20.08 个百分点，Pass Rate 提升最多 29.74 个百分点。消融实验验证 Dual-DAG 架构状态、模块化引导结构演化及显式收敛均对效果有重要作用。