microsoft/RPG-ZeroRepo

解決的問題

AI 編碼代理在處理長期任務時經常遇到困難，因為它們依賴於暫時的聊天記錄和簡單的檔案搜尋，導致『需求漂移』、架構決策遺失以及多檔案編輯不一致。RPG-ZeroRepo 引入了一個持久化的倉儲規劃圖（RPG），作為持久的控制層，確保在整個程式碼庫生命週期中，需求、架構與實作始終保持一致。

工作原理

該系統透過三個主要組件運作：

1. CoderMind：面向代理的層，與 Claude Code 和 GitHub Copilot 等工具整合。透過 CLI 設定、斜線指令（例如 /cmind.code_gen）以及 MCP（模型上下文協定）工具，提供持久化的 RPG 工作空間，用於搜尋與遍歷圖結構。
2. ZeroRepo：前向管道，將自然語言需求轉換為結構化的功能樹，再轉換為架構級 RPG，最終以依賴感知的順序生成完整的倉儲。
3. RPG-Encoder：反向管道，分析現有程式碼庫以提取 RPG，捕捉語意意圖與結構依賴關係。包含一種演化機制，可根據提交差異（commit diffs）逐步更新圖結構。

適用對象

專為使用 AI 編碼代理（特別是 Claude Code 和 GitHub Copilot）的開發者設計，適用於從零開始建構新倉儲、理解複雜的現有程式碼庫，或對現有專案執行大規模、圖感知的更新作業。

核心亮點

• 持久化規劃：用結構化、可搜尋的倉儲設計圖取代暫時的聊天記錄。
• 雙向管道：同時支援從需求生成程式碼（ZeroRepo）與從現有程式碼提取計畫（RPG-Encoder）。
• 代理整合：提供專用的斜線指令與 MCP 工具，便於在現代 AI IDE 中無縫使用。
• 增量更新：透過提交級差異解析，無需完全重新編碼即可保持規劃圖與程式碼變更同步。
• RepoCraft 基準測試：包含一個專門的評估套件，涵蓋主要 Python 專案中的 1,000 多個任務，用於衡量倉儲級生成品質。