CodeGrep 將程式庫搜尋拆成 14B 專用代理，修復成功案例少用 19% token

程式代理的成本不只來自產生修補程式，也來自找出該修改哪些檔案。新研究分析 OpenHands 30B 在 SWE-bench Verified 的軌跡：每個成功案例平均經過 23 輪、消耗 63.1 萬 token，其中大量呼叫用於 grep、glob 與檔案閱讀。研究團隊因此把探索階段抽成 CodeGrep——一個以 GRPO 端到端訓練的 14B 檢索代理。它可在多輪中平行操作搜尋工具，最後只把候選檔案交給固定不變的下游程式代理。

團隊從 6.7 萬條開源代理軌跡挖掘監督訊號，並建立以 Git worktree 隔離任務的強化學習環境。在 SWE-bench Verified 全部 500 題上，CodeGrep 的修復率為 27.0%，未使用獨立檢索器的基線為 25.8%；只看成功修復的案例，互動輪數減少 15%，token 減少 19%。這裡較重要的發現不是 1.2 個百分點差距，而是檢索精度可能存在效益門檻：BM25 的檔案精度為 0.375，反而拖累下游代理；Jina 達 0.445 時大致持平；CodeGrep 達 0.677 後才穩定節省 rollout 成本。

這為 coding-agent 架構提供一個具體拆分點：通用模型不必在每次修復中重新學習程式庫導覽，搜尋策略可以成為獨立、可訓練及可替換的元件。不過結果目前只來自作者設定的單一 30B OpenHands 下游代理，而且成本統計集中於成功案例；論文承諾釋出模型、訓練流程與評測工具，但截至發布時仍未提供下載。下一步應觀察這個精度門檻能否跨模型、語言及大型 monorepo 重現，以及檢索器本身的推論成本是否抵銷節省的 token。