据SiliconANGLE报道，智能体编程平台Blitzy的工程总监尼拉杰·德什穆克在GraphSummit大会上表示，让AI自主修改软件的最大障碍不是AI能否写出代码，而是它是否理解自己所修改的那个系统。这家今年5月以14亿美元估值融资2亿美元的公司，正在用图数据库Neo4j为其并行运行的数千个编程智能体提供上下文。

德什穆克是在SiliconANGLE旗下直播工作室theCUBE的独家访谈中对theCUBE Research的约翰·富里尔作出上述表示的。他解释称，理解之所以关键，是因为改动一行代码，其影响可能出现在很远的下游位置。

按照他的描述，Blitzy的平台首先对客户既有环境做逆向工程，构建出代码库的动态图谱，并接入GitHub、GitLab等源码管理系统，使图谱在开发者或智能体改动代码时同步更新。这样做基于软件构造的一个基本事实。

“从根本上说，代码就是一张图，因为你会想到，我们有模块、有文件、有函数、有对象、有类、有变量，”德什穆克说，“其中每一项都是彼此关联的实体。所以即便在把AI引入之前，代码库本身就已经是一张图。”

缺少这种结构时，智能体只能依赖向量搜索或grep命令去追踪依赖关系，这些搜索会迅速耗尽工作记忆。德什穆克给出的数字是，智能体的有效上下文上限约为20万至30万个token，相当于2万至3万行代码；面对1亿行的代码库，智能体就会开始压缩结果并丢失信息。

“有了图，你确切知道自己会触及什么，因为你基本上可以自己挑选起点，也确切知道哪些内容可达，于是你就拥有了那个有效上下文。每个智能体只知道自己需要的上下文，除此之外一无所知。”他说。

这种效率改变了项目的划分方式。由于不必把上下文浪费在宽泛搜索上，Blitzy可以一次性处理整个项目，而不必按传统冲刺模式拆分成史诗、用户故事和任务。质量控制被嵌入流程：编码开始前由人工批准一份“智能体行动计划”，生成的每一行代码立即接受测试。该公司称其6月在SWE-Bench Pro上取得84.95%的分数。

“除此之外，我们还有智能体在监视其他智能体，确保它们遵守规范、遵守那份由人类在环批准的计划，”德什穆克说，“这保证了不会出现漂移或幻觉。”

查询语言同样重要。Neo4j借GraphSummit推广把知识图谱作为AI智能体的共享上下文，而Blitzy的智能体持续用Neo4j的Cypher语言执行查询。德什穆克表示，Cypher的严格性本身构成一道防护，因为一个产生幻觉的智能体写出的畸形查询只会返回空结果。

“只有正确的查询才会得到结果，”他说，“所以不存在智能体依据编造或虚假信息工作的问题。你始终锚定在知识图谱所载的事实之上。”

theCUBE是GraphSummit的付费媒体合作伙伴。作为theCUBE活动报道的赞助方，Neo4j及其他赞助商对theCUBE或SiliconANGLE的内容没有编辑控制权。