Xudong Han(@Xudong07452910):如果代码库里的每个文件都能自己解释、自己修改，还会提醒相关文件「你也得改」，Coding Agent 会不会更稳？ UIUC 和 Penn State 这篇论文提出 HERMES，把代码库里的文件、配置和测试变成一个个 Dev-Primitive。可以把它理解成：每个组件旁边都有一个专门理解它的小 Agent。遇到任务时，HERMES 先沿依赖关系找到真正相关的组件，只激活这一小部分。它们各自修改自己负责的内容，同时同步接口变化、配置约束和测试要求。如果执行失败，系统会根据报错和测试结果，只重新激活相关组件继续修，不需要每轮重新读完整个仓库。论文在 SWE-bench、仓库级重构、Terminal-Bench 和 DevOps 四类任务上测试，平均提升 12.4 个百分点。还有就是把内部组件 Agent 换成 Qwen3-8B，整体只比全 GPT-5.6 Sol 方案低约 4.5 个百分点；在 Terminal-Bench 上成本还能下降 26.2%。面对大仓库里的 Coding Agent，可能更需要一套稳定的「局部理解 + 协作修改 + 失败后定点修复」机制。 Harness 的价值也像是在组织代码、上下文和 Agent 之间的信息流。 📎 arxiv:

2026.10.10 03:37

如果代码库里的每个文件都能自己解释、自己修改，还会提醒相关文件「你也得改」，Coding Agent 会不会更稳？ UIUC 和 Penn State 这篇论文提出 HERMES，把代码库里的文件、配置和测试变成一个个 Dev-Primitive。可以把它理解成：每个组件旁边都有一个专门理解它的小 Agent。遇到任务时，HERMES 先沿依赖关系找到真正相关的组件，只激活这一小部分。它们各自修改自己负责的内容，同时同步接口变化、配置约束和测试要求。如果执行失败，系统会根据报错和测试结果，只重新激活相关组件继续修，不需要每轮重新读完整个仓库。论文在 SWE-bench、仓库级重构、Terminal-Bench 和 DevOps 四类任务上测试，平均提升 12.4 个百分点。还有就是把内部组件 Agent 换成 Qwen3-8B，整体只比全 GPT-5.6 Sol 方案低约 4.5 个百分点；在 Terminal-Bench 上成本还能下降 26.2%。面对大仓库里的 Coding Agent，可能更需要一套稳定的「局部理解 + 协作修改 + 失败后定点修复」机制。 Harness 的价值也像是在组织代码、上下文和 Agent 之间的信息流。 📎 arxiv: