¿Cuánta estructura estática necesitan los agentes de código? Un estudio sobre el anclaje determinista

Resumen

Los agentes de código basados en LLM navegan repositorios mediante búsqueda por palabras clave, pero pasan por alto las relaciones estructurales —como grafos de llamadas, jerarquías de herencia y dependencias de configuración— que definen cómo funciona realmente el software. Esto hace que la navegación de los agentes sea estocástica y difícil de reproducir entre ejecuciones. Investigamos si el análisis estático ligero puede proporcionar anclajes deterministas para estos agentes: hechos estructurales estables inyectados como comentarios en texto plano que restringen la exploración probabilística y hacen la navegación más predecible. Partiendo de una línea base sólida, Codex de OpenAI, inyectamos sistemáticamente diferentes granularidades de anotaciones estructurales y medimos sus efectos en la localización, el comportamiento de la trayectoria y la estabilidad entre ejecuciones. Nuestro estudio identifica lo que denominamos el efecto de anclaje determinista: la estructura estática ayuda menos al hacer a los agentes «más inteligentes» y más al hacer su navegación disciplinada y reproducible. Tres observaciones respaldan este hallazgo: (1) El anclaje funciona: la topología ligera de llamadas/herencia mejora la localización a nivel de función (+2,2 pp Func@5) y acorta las trayectorias (-1,6 rondas de interacción); (2) El anclaje es sensible a la escala: la granularidad y direccionalidad óptimas dependen de las características del repositorio, donde las semánticas más densas muestran rendimientos decrecientes y los proyectos con muchos centros se benefician de enlaces solo inversos que exponen «quién-me-llama» sin aristas hacia adelante; (3) El anclaje estabiliza: las etiquetas aumentan la tasa de seguimiento de enlaces de 0,15-0,18 a 0,21-0,24, aproximadamente reducen a la mitad la varianza entre ejecuciones y mejoran la fiabilidad de una sola ejecución (Pass@1 +3,4 pp) en repositorios de escala media, a costa de aproximadamente un 10% más de tokens de entrada. Estas observaciones sugieren pautas prácticas: optar por defecto por topología ligera en proyectos medianos, podar las aristas hacia adelante en repositorios grandes y reservar etiquetas densas para casos de dependencia implícita.

English

LLM-based code agents navigate repositories through keyword search but miss the structural relationships, such as call graphs, inheritance hierarchies, and configuration dependencies, that define how software actually works. This makes agent navigation stochastic and difficult to reproduce across runs. We investigate whether lightweight static analysis can provide deterministic anchors for these agents: stable structural facts injected as plain-text comments that constrain probabilistic exploration and make navigation more predictable. Starting from a strong baseline, Codex from OpenAI, we systematically inject varying granularities of structural annotations and measure their effects on localization, trajectory behavior, and run-to-run stability. Our study identifies what we call the deterministic anchoring effect: static structure helps less by making agents "smarter" and more by making their navigation disciplined and reproducible. Three observations support this finding: (1) Anchoring works: lightweight call/inheritance topology improves function-level localization (+2.2pp Func@5) and shortens trajectories (-1.6 interaction rounds); (2) Anchoring is scale-sensitive: the optimal granularity and directionality depend on repository characteristics, where denser semantics show diminishing returns and hub-heavy projects benefit from inverse-only links that expose "who-calls-me" without forward edges; (3) Anchoring stabilizes: tags raise link-following rate from 0.15-0.18 to 0.21-0.24, roughly halve run-to-run variance, and improve single-run reliability (Pass@1 +3.4 pp) on medium-scale repositories, at the cost of roughly 10% more input tokens. These observations suggest practical guidelines: default to lightweight topology on medium projects, prune forward edges in large repositories, and reserve dense tags for implicit-dependency cases.