RPG: Een Repository Planning Graph voor Uniforme en Schaalbare Codebase-generatie

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

September 19, 2025

Auteurs: 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

Samenvatting

Grote taalmodellen blinken uit in het genereren van code op functie- en bestandsniveau, maar het genereren van complete repositories vanaf nul blijft een fundamentele uitdaging. Dit proces vereist coherente en betrouwbare planning over voorstel- en implementatieniveaus, terwijl natuurlijke taal, vanwege zijn ambiguïteit en breedsprakigheid, niet geschikt is om complexe softwarestructuren nauwkeurig weer te geven. Om dit aan te pakken, introduceren we de Repository Planning Graph (RPG), een persistente representatie die planning op voorstel- en implementatieniveau verenigt door capaciteiten, bestandsstructuren, gegevensstromen en functies in één grafiek te coderen. RPG vervangt dubbelzinnige natuurlijke taal door een expliciet blauwdruk, waardoor langetermijnplanning en schaalbare repositorygeneratie mogelijk worden. Op basis van RPG ontwikkelen we ZeroRepo, een grafiekgestuurd framework voor het genereren van repositories vanaf nul. Het werkt in drie fasen: planning op voorstelniveau en verfijning op implementatieniveau om de grafiek te construeren, gevolgd door grafiekgestuurde codegeneratie met testvalidatie. Om deze setting te evalueren, construeren we RepoCraft, een benchmark van zes real-world projecten met 1.052 taken. Op RepoCraft produceert ZeroRepo repositories met gemiddeld bijna 36K LOC, ongeveer 3,9 keer de sterkste baseline (Claude Code) en ongeveer 64 keer andere baselines. Het behaalt 81,5% functionele dekking en een slagingspercentage van 69,7%, wat respectievelijk 27,3 en 35,8 procentpunten hoger is dan Claude Code. Verdere analyse toont aan dat RPG complexe afhankelijkheden modelleert, progressief geavanceerdere planning mogelijk maakt door bijna-lineaire schaalbaarheid, en het begrip van repositories door LLM's verbetert, waardoor agentlokalisatie wordt versneld.

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.