词元无限智能体 InfCode 斩获 SWE-Bench-Verified SOTA

在真实的软件仓库中，定位 bug 的难度往往远超编写补丁。SWE-Bench 的任务通常不提供堆栈追踪（StackTrace），智能体只能依靠自然语言描述（如 “搜索功能变慢” ）去推测问题发生的位置。传统基于向量相似度的 RAG（Retrieval-Augmented Generation）机制，往往只会检索到包含 “search” 关键词的注释或变量，而非真正的核心实现。

为突破这一瓶颈，InfCode 提出了 “代码意图分析（Code Intent Analysis）” 机制。该机制让智能体能够超越字面匹配，理解自然语言背后的 “功能意图” ，并将其智能映射到项目中的具体实现单元（函数或类）。这一过程融合了语义推理与架构理解，使模型能在无堆栈信息的条件下仍然精准地锁定问题上下文。InfCode 的语义意图映射结合 AST 层级分析，有效提升了跨语言、跨模块的定位成功率，让智能体在复杂工程中具备了 “理解全局意图、直达根因代码” 的能力。

找到问题的代码只是第一步，如何精准定位并修改它才是工程修复的关键。传统的文本搜索工具（如 Grep）在 C++ 等复杂语言中存在天然缺陷——同一标识符可能同时是类名、成员函数或变量，导致结果噪声极高。

InfCode 自研了基于抽象语法树（AST）的结构化检索引擎。它通过 Tree-Sitter 构建完整的语法树，为智能体提供 FindClass、FindFunction 等语法层 API。借助这种结构化检索，InfCode 的智能体不再 “盲搜” ，而是真正 “理解” 代码的层次结构，在复杂工程中实现更高精度的 bug 定位与安全修复。

修复能力的核心不在于 “一次命中” ，而在于反复试错、持续进化。传统代码修复智能体多采用单一流程，这种单向模式往往陷入 “过拟合当前测试” 的局限。

InfCode 首创对抗式双智能体架构： - 代码补丁生成器（Code Patch Generator）负责修改代码以通过当前测试集； - 测试补丁生成器（Test Patch Generator）则负责生成更强的测试用例，捕捉遗漏的边界场景。

二者在一个闭环中交替迭代，这种 “越测越强、越修越稳” 的对抗式工作流，让补丁在鲁棒性与完备性上持续演化，最终达到可直接集成于生产仓库的工程级质量。