Исследователи представили новый подход к управлению контекстом для ИИ-агентов, работающих с кодовыми базами. Основная проблема существующих систем заключается в нехватке высокоуровневых знаний о структуре репозитория: расположении подсистем, правилах запуска тестов и специфических рабочих процессах, которые не всегда очевидны из самого исходного кода. Традиционно разработчики пытаются передать этот контекст через файлы инструкций, однако их эффективность часто оказывается низкой из-за отсутствия актуальности или избыточности данных.
Метод Probe-and-Refine автоматизирует процесс создания и оптимизации таких инструкций. Система сначала проводит зондирование (probing) репозитория, выявляя критически важные узлы и зависимости, а затем итеративно уточняет (refining) руководства для агента. Это позволяет динамически адаптировать инструкции под конкретные задачи, минимизируя количество галлюцинаций и ошибок при внесении правок в сложный код.
Внедрение подобного механизма позволяет агентам эффективнее ориентироваться в крупных проектах без необходимости ручного обновления документации. Автоматизированное формирование контекста обеспечивает более точное понимание архитектуры системы, что существенно повышает качество генерации кода и снижает вероятность нарушения внутренних регламентов разработки. Технология направлена на создание более автономных и надежных инструментов для автоматизации программирования.