L'interfaccia a riga di comando del Language Server potenzia gli agenti linguistici con ricompense di processo
Language Server CLI Empowers Language Agents with Process Rewards
October 27, 2025
Autori: Yifan Zhang, Lanser Contributors
cs.AI
Abstract
I modelli linguistici di grandi dimensioni allucinano sistematicamente API e dislocano erroneamente le modifiche, mentre
i language server calcolano fatti verificati di livello IDE sul codice reale. Presentiamo
Lanser-CLI, un layer di orchestrazione CLI-first che ancorizza e media un server
Language Server Protocol (LSP) per agenti di codifica e CI, esponendo flussi di lavoro
deterministici e ripetibili. La nostra posizione è che i language server forniscano non solo
informazioni strutturali (definizioni, riferimenti, tipi, diagnostiche) ma anche
una ricompensa di processo azionabile: segnali step-by-step verificati dalla macchina che allineano
il ciclo di pianificazione di un agente con la realtà del programma. In questo lavoro, Lanser-CLI
contribuisce con: (i) uno schema di indirizzamento robusto che supera la fragilità del "file:riga:colonna" tramite
un DSL Selettore (selettori simbolici, ad percorso AST e ancorati al contenuto) con un
algoritmo di rilocazione principiato; (ii) Bundle di Analisi deterministici che
normalizzano le risposte del Language Server e catturano metadati ambientali/di capacità
con hash di contenuto stabili; (iii) un involucro di sicurezza per operazioni mutanti
(rinomina, azioni di codice) con anteprima, workspace jail e applicazione transazionale
consapevole di Git; e (iv) una funzione di ricompensa di processo derivata dai fatti del
Language Server (deltas diagnostici, confidenza di disambiguazione e controlli di safe-apply)
calcolabile online e ripetibile offline. Formalizziamo il determinismo sotto snapshot congelati
e stabiliamo una proprietà di monotonicità per la ricompensa di processo, rendendola adatta
per la supervisione del processo e l'analisi controfattuale. Pagina del Progetto:
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