자기 진화 코딩 에이전트

초록

대규모 언어 모델은 저장소를 검사하고, 도구를 호출하고, 테스트를 실행하고, 실패를 디버깅하며, 패치를 생성할 수 있는 코딩 에이전트로서 소프트웨어 엔지니어링 워크플로우에 점점 더 통합되고 있습니다. 그러나 소프트웨어 개발은 저장소가 진화하고, 의존성이 변경되며, 테스트가 실패하고, 수리 시도가 재사용 가능한 경험을 남기는 역동적이고 피드백이 풍부한 과정임에도 불구하고, 대부분의 기존 에이전트는 배포 후 대체로 정적인 상태로 남아 있습니다. 이러한 긴장은 자기 진화 코딩 에이전트에 대한 연구의 증가를 촉발했습니다. 자기 진화 코딩 에이전트는 이전 코딩 상호작용에서 얻은 프레임워크, 메모리, 스킬, 도구, 모델 또는 협업 구조를 업데이트하여 미래의 행동을 개선합니다. 본 서베이는 이 새로운 영역에 대한 체계적인 종합을 제공합니다. 먼저 자기 진화 코딩 에이전트를 정의하고, 이를 기존 코딩 에이전트 및 일반적인 자기 진화 에이전트와 구별합니다. 그런 다음 이러한 시스템에서 무엇이 진화하는지를 특성화하는 객체 중심 분류 체계를 개발하고, 이를 진화가 언제 발생하는지와 어떤 소프트웨어 특유의 증거가 진화를 주도하는지라는 두 가지 직교적 관점으로 보완합니다. 문헌 전반에 걸쳐, 우리는 실행 가능한 피드백, 저장소 수준의 맥락, 그리고 코딩 궤적이 에이전트 자기 진화의 자연스러운 영역으로서 소프트웨어 엔지니어링에 독특한 역할을 부여한다는 것을 발견합니다. 그러나 동시에 피드백 신뢰성, 벤치마크 과적합, 안전성, 유지보수성, 비용 및 일반화 측면에서 새로운 도전 과제를 제기합니다. 본 서베이는 이러한 차원을 중심으로 기존 연구를 체계화함으로써 자기 진화 코딩 에이전트의 개념적 경계를 명확히 하고, 보다 적응적이고 신뢰할 수 있으며 소프트웨어를 인지하는 에이전트 시스템을 설계하기 위한 기반을 제공하는 것을 목표로 합니다. 우리가 수집한 논문은 https://github.com/zhouhao1024/Awesome-Self-Evolving-Coding-Agents에서 확인할 수 있습니다.

English

Large language models are increasingly embedded in software engineering workflows as coding agents that can inspect repositories, invoke tools, execute tests, debug failures, and generate patches. Yet most existing agents remain largely static after deployment, even though software development is a dynamic, feedback-rich process in which repositories evolve, dependencies change, tests fail, and repair attempts leave reusable experience. This tension has motivated a growing body of work on self-evolving coding agents, where the agent improves its future behavior by updating its framework, memory, skills, tools, models, or collaboration structures from prior coding interactions. In this survey, we provide a systematic synthesis of this emerging area. We first define self-evolving coding agents and distinguish them from conventional coding agents and general self-evolving agents. We then develop an object-centered taxonomy that characterizes what evolves in these systems, and complement it with two orthogonal perspectives: when evolution occurs and what software-specific evidence drives it. Across the literature, we find that executable feedback, repository-level context, and coding trajectories give software engineering a distinctive role as a natural domain for agent self-evolution, but also introduce new challenges in feedback reliability, benchmark overfitting, safety, maintainability, cost, and generalization. By organizing existing work around these dimensions, this survey aims to clarify the conceptual boundaries of self-evolving coding agents and provide a foundation for designing more adaptive, reliable, and software-aware agentic systems. The papers we collect can be found at https://github.com/zhouhao1024/Awesome-Self-Evolving-Coding-Agents.