DomAgent：利用知识图谱与案例推理进行领域特定代码生成

针对大语言模型在缺乏领域知识的真实场景中代码生成成功率低的问题，本文提出 DomAgent。该自主编码代理通过结构化推理与定向检索弥补差距。其核心组件 DomRetriever 模拟人类学习机制，动态融合自顶向下的知识图谱推理与自底向上的案例推理，迭代检索并合成结构化知识与代表性案例，确保上下文相关性。实验表明，DomAgent 显著提升了领域特定代码生成能力，使小型开源模型在复杂现实应用中缩小了与大型专有模型的性能差距。