约克大学实验证实代码地图可降39% token消耗 但仅对故障定位有效

约克大学研究团队在arXiv:2611.07286论文中开展受控实验，固定Claude Code Agent架构（Haiku 4.5模型、六项内建工具、统一提示词），仅将代码表示方式作为变量，系统评估AST、调用图、依赖图、文档视图及混合视图五种结构化表示对仓库级编程任务的影响。结果显示，在故障定位任务中，混合视图使词元消耗降低最高39%，Recall@10提升15.6%；调用图与文档视图分别节省32%与34%词元。该效果源于结构化图谱显著压缩了盲目探索空间，缓解“找对地方”的瓶颈。然而在程序修复与测试生成任务中，词元节省不足5%，成功率无显著提升，因瓶颈已转移至“写对逻辑”，依赖模型自身生成能力。研究指出，代码地图并非通用加速器，其价值高度任务特异：适用于探索密集型任务，对生成密集型任务收效甚微。作者开源全部实现（GitHub · MelikaSepidband/How-Should-Agents-See-Code），并建议开发者优先诊断系统瓶颈——若日志显示高频read/grep操作，接入轻量级MCP代码地图是高性价比方案；若问题集中于生成质量，则应优化提示、循环机制或模型选型。该工作为Agent基建选型提供实证依据，揭示编程智能体能力演进正从‘能否找到代码’转向‘能否正确生成代码’。