
ByteAsk 推出面向 C/C++ 的编码智能体,token 用量减少 63–80%
来源标题:Build-Aware Context and a Checking Harness for C++ Coding Agents
ByteAsk Research 发布面向 C 和 C++ 的编码智能体 ByteAsk,在相同模型上与代码 CLI 修复同样多的任务(144 次运行中各修复 129 次),同时 token 用量减少 63–80%、成本降低 59–70%。在冷门且难度较高的 C++ 项目上节省最明显,token 用量约减少 80%。该方法的核心是一个能按项目自身构建方式来理解代码库的上下文引擎。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
Pratyush Saini,ByteAsk Research CTO;Anirudha Kulkarni,ByteAsk Research CEO · [email protected] · [email protected] · 2026年11月9日 · 预印本 · 4页 下载 PDF引用本文代码与数据 主要发现 01在同一模型上与 code CLI 修复数量相同:两者各修复了 144 次运行中的 129 次。 02在每个任务集中,token 用量减少 63–80%,成本降低 59–70%。 03节省最多的是鲜为人知且难度较高的 C++ 项目:token 用量减少约 80%。 摘要 大语言模型(LLM)编程智能体已经改变了人们编写软件的方式:开发者用自然语言描述一项改动,智能体便负责找到、修改并测试代码。然而,这一进展大多集中在少数广泛使用的语言上,尤其是 Python。C 和 C++ 仍然支撑着操作系统、浏览器、数据库和嵌入式软件,但相关探索却少得多,尽管它们庞大且依赖构建的代码库,恰恰是智能体最难判断改动应落在何处的场景。我们提出 ByteAsk,一个专为 C 和 C++ 打造的编程智能体。其核心是一个上下文引擎,它像项目自身的构建系统那样理解代码库。在模型开始工作之前,该引擎会告诉模型改动应落在哪里、哪些相关位置可能需要同样的改动,以及哪些测试覆盖了这些位置;随后,ByteAsk 只针对这些测试来检查改动。我们在热门及鲜为人知的 C++ 项目的近期 issue 上,以及一小组高难度 issue 上,将 ByteAsk 与运行同一底层模型的 OpenAI code CLI 进行了比较。两个智能体在每个集合中修复的运行数量相同(在两个主要集合中,各自均为 144 次中的 129 次),但 ByteAsk 的 token 用量少 63–80%,成本低 59–70%。 横向滚动查看完整图表。打开完整尺寸图表 Pratyush Saini and Anirudha Kulkarni. ByteAsk: Build-Aware Context and a Checking Harness for C++ Coding Agents. ByteAsk Research, preprint, November 2026. byteask.ai/research/byteask-system-cpp title = {ByteAsk: Build-Aware Context and a Checking Harness for C++ Coding Agents}, author = {Saini, Pratyush and Kulkarni, Anirudha}, year = {2026}, month = nov, institution = {ByteAsk Research}, howpublished = {\url{https://byteask.ai/research/byteask-system-cpp}}, note = {Preprint. Code and data: \url{https://github.com/ByteAsk/byteask-system-cpp}} 复制引用 关于本研究的问题:[email protected]← 全部研究
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。