研究大模型如何理解代码仓库、定位 issue、修改代码、运行测试并提交补丁。
普通代码生成只看一个函数能不能写出来，代码智能体要面对真实软件工程：仓库上下文很长、依赖复杂、测试会失败、一次修改可能影响多个文件。
入门项目要避免只做聊天式代码助手，最好有明确闭环：输入 issue 或需求，Agent 检索文件、生成补丁、运行测试、记录失败原因，最后输出 diff 和修复报告。
中文链路图：把方向拆成输入、模型、任务和成果
一个方向能不能做成项目，关键看它能不能落到明确任务、评价指标和实验数据。
任务地图：适合小白先判断项目切入点
把需求转成函数、脚本或模块实现。
让 Agent 阅读项目、定位 bug 并修改文件。
自动补齐测试用例并暴露潜在错误。
识别 bug、风格问题和安全风险。
让 Agent 调用编译、测试、检索等工具。
用标准 benchmark 测真实修复能力。
技术路线不是模型名清单，而是看这个方向的问题意识如何一步步变化。
技术路线图：帮助学生看懂方法演进
从局部上下文生成代码片段。
把题目、样例和搜索结合生成可提交程序。
理解 Issue、运行测试、编辑多文件。
规划、编辑、测试、反思形成自动化循环。
这不是让你背论文名，而是按时间线建立路线感：先看每篇论文解决了什么问题，再看图里哪一块最关键，最后知道它适合放进什么项目里。
为什么重要：Codex 让代码生成成为大模型的重要能力，也让 HumanEval 这类函数级评测进入主流。
新手读法：重点看 pass@k、函数签名、单元测试和采样次数，而不是只看模型会不会写代码。
打开论文 / 来源为什么重要：AlphaCode 展示了大规模采样、过滤和排序如何解决竞赛编程题，是代码推理从补全走向解题的重要一步。
新手读法：重点看样例测试、候选程序聚类和排序机制，理解为什么只生成一个答案远远不够。
打开论文 / 来源为什么重要：SWE-bench 把代码智能体评测从玩具函数推进到真实 GitHub issue 和仓库级补丁。
新手读法：重点看 issue、仓库快照、测试补丁和 resolved rate，理解为什么真实修 bug 比 HumanEval 难很多。
打开论文 / 来源为什么重要：SWE-agent 关注 Agent 和终端、编辑器、测试环境的接口设计，是仓库级自动修复的重要系统论文。
新手读法：重点看 Agent-Computer Interface、命令执行、文件编辑和测试反馈如何组成闭环。
打开论文 / 来源不同任务不能只看 Accuracy。论文和项目都要说明指标为什么适合当前问题。
SWE-bench 或 issue 任务中最终解决比例。
补丁后单元测试、回归测试是否通过。
修改是否小而准、没有引入额外副作用。
是否找到相关文件、函数和上下文。
定位、修改、测试需要几轮。
人工审查补丁所需时间和修改量。
小白选题时先确认数据、代码和 benchmark 是否可获得，否则方向再热也很难落地。
学生看老师主页最难的是不知道关键词背后对应什么任务和能力要求。
通常对应函数级代码生成、pass@k、单元测试和代码补全。
多半关注题目理解、候选采样、测试过滤和程序搜索。
重点看真实仓库、issue、测试补丁和 resolved rate。
通常在做工具接口、终端执行、文件编辑和测试反馈闭环。
真正适合学生的路线，是先跑通最小闭环，再逐步加难度。
先让模型能检索文件和解释代码。
接入测试，完成定位-补丁-验证闭环。
用 SWE-bench lite 或自建 issue 集评估。
展示 diff、测试日志和人工审查建议。
下面这些题目不是空泛口号，而是可以沉淀代码、实验结果、图表和论文雏形的方向。
输入 issue，输出补丁、测试日志和解释。
基于仓库检索回答架构、函数和调用关系。
比较模型生成测试的覆盖率和有效性。
分析模型失败原因和改进策略。
这部分覆盖搜索和咨询时最高频的问题。
可以先用开源模型或 API 做评测、测试生成和仓库修复流程。
不是代码看起来像，而是测试通过率、修复成功率和错误类型分析。
围绕 benchmark、消融、失败案例和工具调用策略展开。
这个方向只是计算机科研路线中的一个入口。你也可以继续查看多模态学习、世界模型、推荐系统、可信 AI 等方向，再结合自己的专业基础、目标导师和时间周期选择更合适的切入点。