RPG: Ein Repository-Planungsgraph für einheitliche und skalierbare Codebasis-Generierung

RPG: A Repository Planning Graph for Unified and Scalable Codebase Generation

September 19, 2025

papers.authors: Jane Luo, Xin Zhang, Steven Liu, Jie Wu, Yiming Huang, Yangyu Huang, Chengyu Yin, Ying Xin, Jianfeng Liu, Yuefeng Zhan, Hao Sun, Qi Chen, Scarlett Li, Mao Yang

cs.AI

papers.abstract

Große Sprachmodelle zeichnen sich durch die Generierung von Code auf Funktions- und Dateiebene aus, doch die Erstellung kompletter Repositories von Grund auf bleibt eine grundlegende Herausforderung. Dieser Prozess erfordert kohärente und zuverlässige Planung über Vorschlags- und Implementierungsebenen hinweg, während natürliche Sprache aufgrund ihrer Mehrdeutigkeit und Weitschweifigkeit ungeeignet ist, um komplexe Softwarestrukturen treu darzustellen. Um dies zu adressieren, führen wir den Repository Planning Graph (RPG) ein, eine persistente Repräsentation, die Planungen auf Vorschlags- und Implementierungsebenen vereint, indem Fähigkeiten, Dateistrukturen, Datenflüsse und Funktionen in einem Graphen kodiert werden. RPG ersetzt mehrdeutige natürliche Sprache durch einen expliziten Bauplan, der langfristige Planung und skalierbare Repository-Generierung ermöglicht. Aufbauend auf RPG entwickeln wir ZeroRepo, ein graphengetriebenes Framework zur Repository-Generierung von Grund auf. Es arbeitet in drei Phasen: Planung auf Vorschlagsebene und Verfeinerung auf Implementierungsebene zur Konstruktion des Graphen, gefolgt von graphengeleiteter Code-Generierung mit Testvalidierung. Um dieses Setting zu evaluieren, erstellen wir RepoCraft, einen Benchmark mit sechs realen Projekten und 1.052 Aufgaben. Auf RepoCraft produziert ZeroRepo Repositories mit durchschnittlich fast 36.000 LOC, etwa das 3,9-fache des stärksten Baselines (Claude Code) und etwa das 64-fache anderer Baselines. Es erreicht eine funktionale Abdeckung von 81,5 % und eine Erfolgsquote von 69,7 %, was Claude Code um 27,3 bzw. 35,8 Prozentpunkte übertrifft. Weitere Analysen zeigen, dass RPG komplexe Abhängigkeiten modelliert, durch nahezu lineare Skalierung zunehmend anspruchsvollere Planung ermöglicht und das Verständnis von Repositories durch LLMs verbessert, wodurch die Lokalisierung von Agenten beschleunigt wird.

English

Large language models excel at function- and file-level code generation, yet generating complete repositories from scratch remains a fundamental challenge. This process demands coherent and reliable planning across proposal- and implementation-level stages, while natural language, due to its ambiguity and verbosity, is ill-suited for faithfully representing complex software structures. To address this, we introduce the Repository Planning Graph (RPG), a persistent representation that unifies proposal- and implementation-level planning by encoding capabilities, file structures, data flows, and functions in one graph. RPG replaces ambiguous natural language with an explicit blueprint, enabling long-horizon planning and scalable repository generation. Building on RPG, we develop ZeroRepo, a graph-driven framework for repository generation from scratch. It operates in three stages: proposal-level planning and implementation-level refinement to construct the graph, followed by graph-guided code generation with test validation. To evaluate this setting, we construct RepoCraft, a benchmark of six real-world projects with 1,052 tasks. On RepoCraft, ZeroRepo produces repositories averaging nearly 36K LOC, roughly 3.9times the strongest baseline (Claude Code) and about 64times other baselines. It attains 81.5% functional coverage and a 69.7% pass rate, exceeding Claude Code by 27.3 and 35.8 percentage points, respectively. Further analysis shows that RPG models complex dependencies, enables progressively more sophisticated planning through near-linear scaling, and enhances LLM understanding of repositories, thereby accelerating agent localization.