南大快手联合提出CodeTracer框架，无需重训即可自动定位Coding Agent失败节点，F1分数比基线提升近30个百分点。
南大快手联合提出CodeTracer框架，无需重训即可自动定位Coding Agent失败节点，F1分数比基线提升近30个百分点。
当AI代码Agent执行任务失败时，你往往不知道它在哪一步出了错。现有评测只看最终的成功或失败，对过程中每一步决策的对错一无所知。CodeTracer解决了这个问题——它是一个无需重新训练的轨迹追溯框架，能自动定位Agent的失败节点并将诊断信息反馈回去。
随着SWE-Agent、OpenHands等代码Agent的能力越来越强，执行轨迹也愈发冗长——一次完整流程往往包含数百至上千个步骤。当Agent失败时，开发者面临三个核心痛点：
整个框架由三个紧密协作的核心模块组成：
不同Agent框架的日志格式互不兼容。CodeTracer的策略是"探索-适配-复用"：先自动扫描运行目录识别日志结构，然后在注册表中查找匹配的解析器。若无匹配项，自动生成新解析器并注册入库，供后续同类格式复用。
将扁平的执行序列转化为层级轨迹状态树，区分两类步骤：
每个节点附加意图与结果摘要，整棵树成为压缩版的导航索引。
Trace Agent沿轨迹树遍历检索，输出三项诊断结果：
诊断信号可作为前置提示注入原Agent，驱动其在相同资源约束下重新执行——即"反思回放"机制。诊断消耗的Token不计入回放预算，保证对比公平。
对SWE-Agent、MiniSWE-Agent、OpenHands、Terminus 2四大框架的测试显示：过度复杂的编排设计只带来更长执行链和更高Token成本，却无法带来能力突破。决定成功率上限的核心是底层模型的推理能力。
从5到300次迭代的全面扫描显示：迭代至约35%-40%最长长度时成功率快速上升，中后期曲线趋于饱和。当Agent早期就形成错误假设时，额外迭代只会空耗资源。
失败轨迹中无效步骤占比约40%，接近成功轨迹（22%）的两倍。这说明Agent失败并非找不到关键信息，而是无法将有效证据转化为正确决策。
在CodeTraceBench上的测试结果：
不同模型的诊断风格：
DeepSeek V4 开源发布，1.6T 参数、百万上下文，Agent 编程能力接近 Opus 4.6，附 API 定价、实测案例与上手地址
DeepSeek-V4与GPT-5.5同一天发布，开源对闭源的正面硬刚。推理、编程、长文本实测对比，帮你快速判断该用哪个。
开源 PPT Skill 内置 10 种页面布局、5 套主题色，输出单文件 HTML，双击浏览器即看，附安装和使用教程
