Prometheus

⚡ 软件 3.0 时代的 AI 平台 ⚡

重新定义软件生产力，超越“直觉编程”（Vibe Coding）—— 软件开发不止有 Lovable 和 Replit。 Prometheus 摒弃了不可靠的原型生成方案，通过自主代码智能体（Autonomous Code Agents），将你的想法转化为可验证、可负担的软件产品。

---

官网 • X/Twitter • LinkedIn • Discord • Reddit • GitHub

---

📣 最新动态

• [2025-11] Prometheus 在基于 LLM 的自动化软件工程 SWE-bench 排行榜 中，凭借使用 gpt-5 的智能体方案跻身 TOP 5，并获得 TOP 1 佳绩 🏆！
• [2025-10] 我们维护了一个精选的代码智能体项目与研究列表：Awesome Code Agents —— 探索自主代码生成、缺陷修复及软件工程自动化领域的前沿进展。

---

📖 项目概述

Prometheus 是一个基于研究、可用于生产环境的平台，利用 统一知识图谱（Unified Knowledge Graphs） 和 多智能体系统（Multi-agent Systems） 对多语言代码库执行智能操作。它基于 LangGraph 状态机构建，协调各类专业 AI 智能体，自动完成问题分类、错误重现、相关上下文检索以及验证补丁生成。

核心能力

• 自动化问题解决：端到端的缺陷修复流程，包括重现、补丁生成及多级验证。
• 功能实现流水线：具备上下文感知的功能需求分析、实现规划以及代码生成（可选集成回归测试）。
• 智能上下文检索：基于代码库结构、AST（抽象语法树）和文档的图谱语义搜索。
• 多智能体协同：在分类、重现和修复智能体之间进行协调工作流管理。
• 知识图谱集成：基于 Neo4j 的代码结构与语义统一表示。
• 容器化执行：提供 Docker 隔离的测试与验证环境。
• 问答系统：通过工具增强型 LLM 智能体支持自然语言查询。

📖 多智能体架构 | 📄 研究论文

---

@misc{pan2025prometheus,
      title={Prometheus: Towards Long-Horizon Codebase Navigation for Repository-Level Problem Solving}, 
      author={Yue Pan and Zimin Chen and Siyu Lu and Zhaoyang Chu and Xiang Li and Han Li and Yang Feng and Claire Le Goues and Federica Sarro and Martin Monperrus and He Ye},
      year={2025},
      eprint={2507.19942},
      archivePrefix={arXiv},
      primaryClass={cs.SE},
      url={https://arxiv.org/abs/2507.19942}, 
}

---

🤖 为什么选择 Prometheus？

系统	核心描述	局限性	为什么 Prometheus 更胜一筹
SWE-Agent	使用单一 LLM-计算机接口进行自动修复的研究基准	– 静态、单轮推理 – 缺乏跨文件或跨仓库的理解 – 缺乏完整的检测-重现-修复-验证 (DRRV) 自动化流程	✅ Prometheus 可跨文件和 Commit 进行多智能体协同推理，实现全周期的深度问题理解与修复
Lingxi	用于自动修复和代码推理的多智能体系统	– 上下文检索能力有限 – 无持久化知识图谱或长期记忆 – 许多补丁仍需人工验证	✅ Prometheus 集成了统一代码库知识图谱和长期记忆 (Athena)，以实现更深层的语义推理和代码库全域理解
TRAE	多智能体推理和工具执行框架	– 侧重于任务编排而非推理深度 – 缺乏统一的记忆或结构化代码表示	✅ Prometheus 强调深度逻辑推理与结构化分析的结合