三步让编码智能体先读仓库演进史

只把当前工作树丢给编码智能体，它会漏掉已经合并进主线的约束：为什么这种改法被否过，回端口径怎么写，同一批评审人后来又补了哪一层检查。Chronos 不微调模型，只在测试时把历史拉取请求做成经验卡，再按类型图往外扩几跳。

经验卡经类型图扩到两条补丁，再由管家择优

第一步：把已合并的 PR 压成四字段卡

每张经验卡有摘要、信号、动机、方案四个字段，用 Qwen3.5-Plus 从已合并的拉取请求里蒸馏出来。卡挂在一张带类型的多重图上，边覆盖代码连续性、开发者意图和组织关系，一共 11 种：先后、扩展、跟随、回端口、引用、同一批评审人、同一批评论者、同一里程碑、相近标签、评论里互相点名、依赖。历史截止到任务对应拉取请求之前，避免把后来的修复泄漏进当前题。

第二步：检索入口卡，再按权重扩三跳

任务到来时，先用 DashScope text-embedding-v4 做向量检索，找到入口卡，再按边权做多跳扩展，默认入口 K 等于 5、跳数 H 等于 3，候选短名单最多 10 张。智能体还能调用 graph_search 和 graph_read。这不是把整本仓库史塞进上下文，而是先收到和当前缺陷相关的一小簇经验。

人工复核 100 题、每题看前 10 张卡：平面语义检索平均只有 1.24 张有用，命中率 68%；加上类型图之后，有用卡升到 2.87 张，命中率 89%。两位组内标注者的 Kappa 是 0.86。论文自己写明：有用不等于来源叙述完全准确，蒸馏也会丢掉或扭曲上下文。

第三步：两条补丁分工，管家按演进史挑一条

一套生成器盯补丁本身，另一套盯验证策略，各自交一版；演进管家读历史和代码，只留一条。单次运行预算按 1.5 美元、最多 250 步封顶。它是套在 SWE-Agent 上的测试时插件，同样的流程也能接到 mini-SWE-Agent。

六套骨干在 SWE-Bench Verified 上都高于原套件

SWE-Bench Verified 共 500 题。六套骨干从 SWE-Agent 接到 Chronos 后，解决率分别是：GPT-5 Mini 57.2% 到 60.4%，Claude 4.5 Haiku 65.6% 到 68.4%，Gemini 3 Flash 75.8% 到 78.6%，Kimi K2.5 71.2% 到 74.8%，Qwen3-Max 69.0% 到 75.2%，MiniMax M2.5 76.4% 到 79.8%。均分从 69.2% 到 72.9%，平均涨 3.7 个百分点。MiniMax M2.5 跑满流程五次，得到 79.8、80.0、80.6、79.6、80.0，均值 80.0%，标准差 0.37 个百分点。

同一骨干迁到另外两份基准：SWE-Bench Pro 731 题从 48.3% 到 51.7%，FEA-Bench Lite 200 题从 41.0% 到 43.5%。消融里，拿掉验证策略智能体剩 78.4%，拿掉补丁向智能体剩 77.8%，拿掉演进图剩 79.0%；原 SWE-Agent 是 76.4%，mini-SWE-Agent 从 75.8% 到 79.2%。单智能体只喂经验也高于原套件：改动向 78.4%，验证向 77.8%。

换基准仍涨，人工复核有用卡数量接近翻倍