跳转至

文章背景与核心概要

随着大语言模型（LLM）在软件开发中的广泛应用，传统的人类中心化开发工具在支持机器代理时暴露出了一定的局限性。如何让AI代理更高效地理解、检索和维护代码库成为了当前软件工程领域的重要课题。本文提出了一种专为人类开发者与机器代理共同设计的全新文学化编程环境。

该系统引入了一种专门用于“可执行程序散文（executable program essays）”的语法，将代码名称作为内部名字图谱中的一等公民（first-class objects）。这种底层架构使得代码与其关联的自然语言及结构化数据上下文能够无缝共存。通过优化LLM上下文窗口的使用效率，该方法为AI代理提供了类似于现代人类集成开发环境（IDE）的符号感知与使用能力，作者通过支持三种编程语言的实际实现验证了该环境的实用性。

面向人类与机器代理的文学化编程环境 (A Literate Programming Environment for Human and Machine Agents)

作者： Adam T. Burke
日期： 2026年8月25日
arXiv ID: 2608.24644
学科分类： 软件工程 (cs.SE)；人工智能 (cs.AI)；编程语言 (cs.PL)

摘要 (Summary)

本文提出了一种新颖的文学化编程环境，旨在弥合人类开发者与机器学习代理之间的鸿沟。通过引入一种用于“可执行程序散文”的专用语法，该系统将代码名称视为内部名字图谱中的一等对象。这种架构允许代码与其相关的自然语言及结构化数据上下文无缝共存。该方法优化了大语言模型（LLM）上下文窗口的使用，并为AI代理提供了可媲美现代人类中心化集成开发环境（IDE）的符号感知与使用能力。作者通过一个支持三种编程语言的可用实现展示了该环境的效用。

This paper presents a novel literate programming environment designed to bridge the gap between human developers and machine-learning agents. By introducing a specialized grammar for "executable program essays," the system treats code names as first-class objects within an internal name-graph. This architecture allows for the seamless co-location of code with its relevant natural language and structured data context. The approach optimizes the use of Large Language Model (LLM) context windows and provides AI agents with symbol-aware search and usage capabilities comparable to those found in modern human-centric Integrated Development Environments (IDEs). The author demonstrates the utility of this environment through a working implementation supporting three programming languages.

核心特性 (Key Features)

  • 可执行程序散文： 一种整合了散文与代码的新语法。
  • 名字图谱架构： 一个将自然语言、代码名称以及可执行工件关联起来的系统。
  • 增强的LLM集成： 为AI代理提供类似IDE的符号感知能力，从而改进代码生成与维护。

  • 上下文优化： 通过将相关的文档和代码进行归类分组，提升LLM上下文窗口的使用效率。

  • Executable Program Essays: A new grammar that integrates prose and code.

  • Name-Graph Architecture: A system that relates natural language, code names, and executable artifacts.
  • Enhanced LLM Integration: Provides AI agents with symbol-aware search and usage capabilities, improving code generation and maintenance.
  • Context Optimization: Improves the efficiency of LLM context window usage by grouping relevant documentation and code.

访问与资源 (Access & Resources)

元数据 (Metadata)

提交历史 (Submission History)

  • [v1] 2026年8月25日 星期二 14:54:24 UTC

  • [v1] Tue, 25 Aug 2026 14:54:24 UTC