摘要
大语言模型（LLM）代理在以正确性为导向的仓库级任务中表现良好，例如 SWE-Bench 问题解决和真实代码库中的特性实现。然而，它们在仓库级代码优化方面仍然面临挑战，这要求在改善运行时性能的同时保持行为一致。在这种情况下，仅通过测试并不足够；补丁必须保持行为，实施代码优化，并接近专家的加速效果。
当前的代理通常难以发现隐藏在抽象层和本地扩展后的瓶颈，往往在浅层加速后停止，或对代码补丁的测试不足，从而可能在边缘情况下静默破坏。为此，我们提出了 PerfAgent，一种基于剖析器的、验证者在环的工作流，能够为现成的编码代理提供必要的反馈，以发现真正的热点，超越初始的通过补丁，并利用剖析器证据而非单纯的时间来决定接下来优化的目标。
在两个具有挑战性的优化基准测试中，GSO 和 SWE-fficiency-Lite，PerfAgent 与 GPT-5.1 的 OpenHands 相比，专家匹配补丁的速度提高了两倍多，在 GSO 上从 19.6% 提升至 39.2%，在 SWE-fficiency-Lite 上从 26% 提升至 74%。它还以显著更低的成本超越了最佳五次基线，显示出收益来自更好的反馈，而非额外的测试时间采样。
博主点评： PerfAgent 的创新之处在于其通过剖析器导向的反馈机制，使得代码优化不仅仅依赖于表面的性能测试，而是深入挖掘实际的性能瓶颈。这一技术能够有效提升代码优化的质量和效率，值得开发者关注和实践。