约克大学实测，为ClaudeCode接入代码地图可节省近四成token，但效果高度依赖任务类型

当一个编程Agent为修复一个简单bug反复执行数十次grep与文件读取，最终耗掉数万甚至数十万token时，问题往往不在于模型能力不足，而在于它缺乏一张“地图”。约克大学最新发表的论文（arXiv:2611.07286）首次以严格受控实验方式验证了这一直觉：为Claude Code接入结构化代码表示，可在特定任务中节省最高39%的token消耗，但其收益高度依赖任务瓶颈所在。

这项研究的核心价值在于“去混淆”——此前多数相关工作将图谱嵌入、检索策略、提示工程与Agent框架混在一起改进，难以归因。约克团队选择“冻结”整个技术栈：统一使用Claude Code作为Agent主体，Haiku 4.5模型（effort=low），内建工具集严格限定为Read/Edit/Write/Bash/Grep/Glob六项，提示词与任务ID跨组一致。唯一变量是是否接入MCP（Model Control Protocol）形式的代码表示服务，以及接入哪一种。

五种表示分别对应不同程序关系维度：

AST（抽象语法树）：刻画代码的层级包含结构，回答“定义在哪、如何嵌套”；
调用图（Call Graph）：反映函数间直接调用关系，回答“控制流路径”；
依赖图（Dependency Graph）：基于import声明构建模块耦合关系；
文档视图（Doc-enriched）：仅对docstring与注释做全文检索，无图结构；
混合视图（Hybrid）：融合调用、依赖与包含关系，并引入变更“爆炸半径”估算。

实验在四个仓库级基准任务上展开：故障定位（Fault Localization）、程序修复（Program Repair）、测试生成（Test Generation）与安全修补（Security Patching）。结果呈现鲜明分野：

在故障定位任务中——即“找出哪个文件/哪段代码导致了错误”——所有图谱均显著降低token消耗。其中混合视图效果最优：token减少39%，Recall@10提升15.6%；调用图与文档视图分别节省32%与34% token，Recall@10提升7.3%。这印证了该任务的核心瓶颈在于“探索成本”：Agent需在庞大代码库中定位可疑区域，而结构化图谱大幅压缩了盲目搜索空间。

反观程序修复与测试生成任务，效果则微乎其微。例如，在SWE-bench等标准修复任务上，接入任何图谱后token节省不足5%，成功率无统计显著提升。原因在于：这类任务的瓶颈已从“找对地方”转移到“写对逻辑”——即使精准定位到目标函数，模型仍需生成语法正确、语义合理且符合上下文约束的补丁或测试用例，此阶段高度依赖语言模型本身的推理与生成能力，外部结构信息帮助有限。

这一发现对Agent开发者具有明确指导意义。若当前系统在大型仓库中频繁出现高token消耗却低进展的情形，大概率处于“探索瓶颈”，此时接入代码地图是性价比极高的优化路径；若瓶颈已进入生成阶段，则应优先优化提示设计、循环机制或模型选型，而非堆砌图谱。

值得注意的是，研究并未采用端到端训练或图神经网络，而是将图谱作为轻量级MCP工具提供查询接口——这意味着部署门槛低、兼容性强，可快速集成至现有Claude Code或类似栈中。作者开源了全部实现（GitHub · MelikaSepidband/How-Should-Agents-See-Code），便于复现与二次开发。

从更广视角看，该研究揭示了编程Agent能力演进的阶段性特征：早期Agent受限于上下文窗口与检索效率，“能否找到关键代码”是首要障碍；随着模型能力提升与工具链成熟，瓶颈正逐步前移至“能否正确生成代码”。代码地图的价值因而呈现任务特异性——它不是通用加速器，而是针对特定认知阶段的“减负工具”。

当前主流Agent如SWE-agent、OpenHands、Agentless等仍普遍将仓库视为纯文本序列处理，依赖词法匹配与Shell命令层层试探。这种范式在小型项目中尚可接受，但在Linux内核、Chrome等百万行级仓库中，探索成本极易失控。约克大学的实证表明，仅通过引入结构化索引，即可在不更换模型的前提下显著改善资源效率。

不过，研究也暴露出现有图谱的局限性。例如，依赖图仅反映静态import关系，无法捕捉动态加载或反射调用；调用图多基于编译期分析，对高阶函数或回调场景覆盖不足。未来方向可能包括：结合运行时trace增强图谱完整性，或设计任务自适应的图谱路由机制——根据任务类型动态选择最优表示组合。

对于企业级Agent落地而言，这项工作提供了关键决策依据：在投入资源构建复杂图谱前，应先诊断自身系统的瓶颈环节。若日志显示大量重复read/grep操作，代码地图是值得优先尝试的“杠杆解”；若问题集中在生成质量，则需另寻他路。

编程Agent的进化不应仅追求“更聪明”，更要追求“更省力”。当模型开始学会“看地图”而非“盲人摸象”，我们离真正可用的仓库级智能体，又近了一步。