Sprachserver-CLI ermöglicht Sprachagenten Prozessbelohnungen.
Language Server CLI Empowers Language Agents with Process Rewards
October 27, 2025
papers.authors: Yifan Zhang, Lanser Contributors
cs.AI
papers.abstract
Große Sprachmodelle halluzinieren routinemäßig APIs und lokalisieren Bearbeitungen falsch, während Sprachserver verifizierte, IDE-taugliche Fakten über echten Code berechnen. Wir stellen Lanser-CLI vor, eine CLI-zentrierte Orchestrierungsebene, die einen Language Server Protocol (LSP)-Server für Coding-Agenten und CI festpinnt und vermittelt, und deterministische, wiederabspielbare Workflows bereitstellt. Unsere Position ist, dass Sprachserver nicht nur strukturelle Informationen (Definitionen, Referenzen, Typen, Diagnosen) liefern, sondern auch eine handlungsorientierte Prozessbelohnung: maschinell geprüfte, schrittweise Signale, die die Planungsschleife eines Agenten mit der Programmrealität in Einklang bringen. In dieser Arbeit leistet Lanser-CLI folgende Beiträge: (i) ein robustes Adressierungsschema über brüchige "Datei:Zeile:Spalte"-Angaben hinaus via einer Selector-DSL (symbolische, AST-Pfad- und inhaltsverankerte Selektoren) mit einem prinzipienbasierten Relokationsalgorithmus; (ii) deterministische Analyse-Bündel, die Sprachserver-Antworten normalisieren und Metadaten zu Umgebung/Fähigkeiten mit stabilen Inhalts-Hashes erfassen; (iii) eine Sicherheitshülle für mutierende Operationen (Umbenennen, Code-Aktionen) mit Vorschau, Workspace-Jails und Git-bewusster, transaktionaler Anwendung; und (iv) eine prozessbezogene Belohnungsfunktion, die aus Sprachserver-Fakten abgeleitet wird (Diagnose-Deltas, Disambiguierungs-Konfidenz und Safe-Apply-Prüfungen), die online berechenbar und offline wiederabspielbar ist. Wir formalisieren Determinismus unter eingefrorenen Snapshots und etablieren eine Monotonie-Eigenschaft für die Prozessbelohnung, die sie für Prozessüberwachung und kontrafaktische Analyse geeignet macht. Projektseite: https://github.com/yifanzhang-pro/lanser-cli
English
Large language models routinely hallucinate APIs and mislocalize edits, while
language servers compute verified, IDE-grade facts about real code. We present
Lanser-CLI, a CLI-first orchestration layer that pins and mediates a Language
Server Protocol (LSP) server for coding agents and CI, exposing deterministic,
replayable workflows. Our position is that language servers provide not only
structural information (definitions, references, types, diagnostics) but also
an actionable process reward: machine-checked, step-wise signals that align an
agent's planning loop with program reality. In this work, Lanser-CLI
contributes: (i) a robust addressing scheme beyond brittle "file:line:col" via
a Selector DSL (symbolic, AST-path, and content-anchored selectors) with a
principled relocation algorithm; (ii) deterministic Analysis Bundles that
normalize Language Server responses and capture environment/capability metadata
with stable content hashes; (iii) a safety envelope for mutating operations
(rename, code actions) with preview, workspace jails, and Git-aware,
transactional apply; and (iv) a process-reward functional derived from Language
Server facts (diagnostic deltas, disambiguation confidence, and safe-apply
checks) that is computable online and replayable offline. We formalize
determinism under frozen snapshots and establish a monotonicity property for
the process reward, making it suitable for process supervision and
counterfactual analysis. Project Page:
https://github.com/yifanzhang-pro/lanser-cli