SHERLOC：面向代码修复代理的结构化诊断定位

大型语言模型代理通过多轮工具使用解决仓库级编码任务，但半数预算耗费于故障定位。现有框架仅评估文件检索，缺乏修复所需的诊断上下文。本文提出 SHERLOC，一种无需训练的框架，结合推理型 LLM、紧凑仓库工具及自恢复机制，无需微调或多代理编排。该方法在多种模型规模下达到最先进定位精度，并将诊断结果注入修复代理，显著提升解决率同时降低令牌消耗。