CodexGraph通过代码图数据库连接大型语言模型和代码库讨论: https://huggingface.co/papers/2408.03910大型语言模型（LLMs）在单独的代码任务如HumanEval和MBPP中表现优异，但在处理整个代码库时却表现不佳。这一挑战促使了在代码库规模上增强LLM与代码库交互的研究。目前的解决方案依赖于基于相似度的检索或手动工具和API，每种方法都有明显的缺点。基于相似度的检索在复杂任务中常常召回率低，而手动工具和API通常是任务特定的，需要专业知识，从而降低了它们在各种代码任务和现实应用中的通用性。为了缓解这些限制，我们引入了\framework，一个将LLM代理与从代码库中提取的图数据库接口集成的系统。通过利用图数据库的结构特性和图查询语言的灵活性，\framework使LLM代理能够构建和执行查询，从而实现精确的、代码结构感知的上下文检索和代码导航。我们使用三个基准来评估\framework: CrossCodeEval、SWE-bench和EvoCodeBench。此外，我们开发了五个实际的编码应用程序。在统一的图数据库模式下，\framework在学术和现实环境中展示了竞争力和潜力，展现了其在软件工程中的多功能性和有效性。