面向仓库级代码生成的持久化跨尝试状态优化

大语言模型在仓库级代码生成方面进展显著，但现有方法通常孤立优化每次尝试，缺乏跨尝试的状态保留与复用。本文提出 LiveCoder 框架，通过跨尝试知识优化维持持久的任务特定状态以指导后续生成。该状态包含捕捉重用信号的成功知识、记录失败结果及其诊断信号的失败知识，以及防止退化的历史最佳仓库。实验表明，该方法显著提升了功能得分与代码复用率，同时降低了成本，将重复生成转化为持久的知识驱动优化过程。