Repo0：從零開始的設計驅動軟體生成框架，結合雙向有向無環圖優化專案架構

Problem

目前的大型語言模型代理雖然在程式碼生成有所進展，但多數系統預設開發者已提供既定的儲存庫架構。在「從零到全」（zero-to-all）的開發情境中，模型必須直接從自然語言需求構建出完整的軟體專案，並在開發過程中維持良好的模組化架構，這對現有技術而言仍是巨大挑戰。

Method

研究團隊提出名為 Repo0 的持續性結構演化框架。該框架將架構狀態實例化為「雙向有向無環圖」（Dual-DAG），包含需求層級與元件層級的 DAG 及其對齊關係。Repo0 從自然語言需求出發，依據模組化指標執行結構化動作，反覆演化元件邊界直至結構收斂，最後再以收斂後的架構導向測試驅動開發（TDD）來生成程式碼。

Results

在 RepoCraft 的六個真實世界儲存庫測試中，Repo0 配合 GPT-5 mini 與 DeepSeek V3.2 展現了最佳的功能覆蓋率與通過率。與最強的基準模型 RPG 相比，Repo0 在功能覆蓋率上最高提升了 20.08 個百分點，通過率則大幅提升達 29.74 個百分點。

Significance

本研究證明了明確的架構狀態維護、以模組化為導向的結構演化以及結構收斂機制，對於提升自動化軟體工程的品質至關重要。Repo0 的成功為 AI 自動建構複雜、可維護的軟體專案提供了具備實踐價值的全新路徑。