在已有项目中修改代码，经常需要跨文件追踪接口和状态变化，还要记住前面做过哪些修改、哪些测试没有通过。任务越复杂，源码信息和开发进展的组织就越重要。代码智能体要参与这些工作，也需要相应的分析方法、记忆机制和执行工具。
InfiniCoder 是我们新开源的代码智能体，支持通用编程任务，并将算子开发与优化、训练推理框架开发等作为能力增强的重点方向。它接入现有大模型，将程序分析、代码记忆和任务流程结合起来，帮助模型围绕实际目标完成分析、实现与验证。
InfiniCoder 重点增强边端侧大模型的代码能力。 相较于 GLM、Kimi、DeepSeek 等系列中的千亿乃至万亿级模型，适合边端部署的十亿级、百亿级模型，在复杂编程任务上的能力往往还有差距。我们希望通过代码分析、任务记忆和工具协同，让 Qwen3.8-27B、MiniCPM5-2B 等模型在有限资源下，也能完成更复杂的开发任务。
用多视图代码记忆组织上下文
一份源码可以从不同角度理解：文件和符号结构说明实现在哪里，静态调用关系说明接口之间如何连接，数据结构和引用关系则帮助追踪状态在哪里定义、在哪里使用。
InfiniCoder 将这些信息组织成相互关联的代码视图，并保留对应的源码位置和版本。围绕一项修改，模型可以从接口定义展开到相关调用位置和实现片段，把分散在不同文件中的逻辑联系起来。
上下文按照仓库、模块、符号和源码片段分层组织。先定位相关模块，再展开具体实现，让有限的上下文优先容纳当前任务需要的信息。分析结果与源码版本关联，也为修改后的信息核对和更新提供依据。
在跨文件定位并修复加权平均计算错误的任务中，MiniCPM5-2B 在三种配置下的结果如下：
| 配置 | 模型请求次数 | 结果 |
|---|---|---|
| 未自动加入代码记忆 | 20 次 | 失败 |
| +仓库记忆 | 12 次 | 通过 |
| +导航视图 | 9 次 | 通过 |
⚠️这个案例中，同一模型在原配置下未能完成的任务，在加入仓库记忆和导航视图后得到了解决。
另一个例子是“数据已经更新，读到的仍然是旧缓存”。这类问题需要同时检查数据更新、事务回滚和缓存读取的逻辑。多视图可以帮助组织这些相关实现，供模型分析状态变化如何传递。在对应的事务缓存修复任务中，Qwen3.8-27B 的单次代码生成未通过检查；接入 InfiniCoder 后，同一模型生成的修复通过了独立检查，覆盖嵌套事务、删除和缓存失效等情况。
将代码事实与任务进展分别记住
代码记忆记录当前仓库中的结构与关系，任务工作记忆则记录这次开发已经做过什么。两类信息有不同的用途，也需要分别管理。
InfiniCoder 的任务工作记忆围绕实际操作、修改进展和失败反馈组织信息。在上下文压力增大时，这些记录可以为后续步骤保留依据：哪些地方已经修改，哪些检查没有通过，下一次尝试需要接着处理什么问题。
这样的设计让前面的分析和验证能够继续参与后续决策。模型可以利用此前的执行结果调整方案，沿着已有进展推进开发。
在训练检查点恢复和分页 KV Cache 修复两项任务的对照测试中，同样使用 Qwen3.8-27B。在 InfiniCoder 中关闭任务工作记忆时，两项任务均未通过；启用后，两项任务均通过了检查。 这些案例为利用任务记忆增强连续开发能力提供了具体支撑。
把领域约束纳入实现与验证
算子与框架开发的要求，需要落实到模型的工作步骤中。
InfiniCoder 的算子流程将 shape、dtype、stride 和精度要求纳入实现与检查；框架流程则关注数值状态、对象生命周期、检查点恢复等问题。涉及多个模块时，可以进一步形成依赖计划，明确接口关系、修改范围和验证步骤，再分阶段推进。
以 masked softmax 为例，非连续输入和掩码广播会影响索引方式，全掩码行需要相应的数值处理，半精度输入也需要考虑累积精度。Qwen3.8-27B 的单次生成未通过这一任务的检查；借助 InfiniCoder 读取代码、运行检查并继续修改，同一模型生成的实现通过了独立检查。
执行检查产生的错误会反馈给模型，推动下一轮修改；最终产物再接受独立验证。领域知识由此进入具体的实现、检查和修复过程。
后续：加强编译器协同，增强边端侧模型的代码能力
InfiniCoder 是一个正在发展中的代码智能体。后续的工作中，除了增强通用代码能力外，InfiniCoder 将进一步加强与编译器的协同，让模型负责算法设计和代码实现，由编译器完成代码生成与优化。模型在开发中探索出的有效优化方法，也将经过验证后沉淀到编译器中，供后续任务直接复用，减少重复探索。
同时，在边端侧大模型的代码能力增强方面，InfiniCoder 将通过代码分析、任务记忆和工具执行，帮助模型在有限资源下理解复杂代码、完成更长的开发任务，进一步完善从需求拆解、代码实现到测试修复的连续工作过程，逐步支持跨模块功能开发与系统集成。
相关链接
开源地址： https://github.com/InfiniTensor/InfiniCoder
关注与交流
