CodeGrep：面向 LLM 编码智能体的强化学习训练检索智能体

CodeGrep 是一个 14B 规模的检索智能体，通过 GRPO 进行端到端训练，能够发出多轮并行 grep、glob 和读取工具调用，为冻结的下游编码智能体返回候选文件。在 SWE-Bench Verified 全部 500 个实例上，CodeGrep 保持了解题率（27.0% 对比 25.8%），同时将轮次减少了 15%，代币减少了 19%。该研究还利用 CATM 从 67K 开源智能体轨迹中挖掘监督信号，并构建了 Git-worktree 环境。

该研究量化了 LLM 编码智能体在仓库探索阶段的低效问题（例如 30B OpenHands 代理平均每解决一个问题消耗 631K 代币），并通过引入专用检索智能体，在不牺牲解题率的情况下显著降低了轮次和代币消耗，为提升编码智能体效率提供了可复现的解决方案。

检索质量存在精确度阈值：BM25 精确度为 0.375 时损害智能体，Jina 精确度 0.445 时中性，而 CodeGrep 精确度 0.677 时带来收益。通过将效率信号应用于优势层而非奖励层，减少了 KL 漂移，并能直接转化为下游效率提升。

对于构建编码智能体的团队，引入类似 CodeGrep 的检索智能体可以减少 token 消耗和交互轮次，降低推理成本并缩短任务完成时间，尤其对于长流程的仓库级编码任务效果显著。但需注意，检索精确度必须超过阈值才能产生收益，否则可能适得其反。

• 将 CodeGrep 集成到现有编码智能体中（如 Claude Code、OpenHands），可减少不必要的 grep 调用，节省 token 和轮次。
• 基于 CodeGrep 的检索精确度阈值，为不同检索器建立自动切换机制，优先选择精确度更高的检索模型。
• 开发针对私有代码库的检索智能体微调服务，利用 CATM 方法从历史开发轨迹中挖掘监督信号。
• 将效率信号应用于优势层的强化学习技术，可复用于其他需要多轮工具调用的智能体训练。

• CodeGrep 在更大模型或不同编码任务（如代码审查、测试生成）上的效率提升是否保持？
• 检索精确度阈值是否在多种下游编码智能体间通用？
• 模型和训练管道是否已对外开放，使用时需要什么样的硬件条件？
• 在更长的仓库、更复杂的代码库上，性能是否会下降？