论文情况

Author：Ruida Hu Chao Peng Xinchen Wang Junjielong Xu Cuiyun Gao
time： 2025
paper: Repo2Run
source code: bytedance/Repo2Run

该论文获得2025 NeurIPS spotlight.

论文学习

基本概要

利用大模型（LLM）智能代理工具，为Python项目自动化生成可靠的Dockerfile，简化项目的部署难度和方便依赖管理。利用Dockerfile部署的环境运行项目中的测试文件，并能够成功通过。

问题和措施

  1. SWE-agent不能解决依赖冲突、基础镜像版本不匹配、环境变量缺失、源码语法错误
  2. 难以追踪有效的成功的执行路径
  3. 命令 造成 环境污染

针对以上问题，论文中提出了一些创新的解决方法：

  1. 版本回滚，利用docker commit，当命令污染时，可以回滚到之前的版本
  2. 内外双层环境架构，内层环境是docker容器环境，负责执行shell指令和动作（比如运行测例）；外层环境是一个agent，可以执行高权限动作（如切换基础镜像）
  3. Dockerfile生成器：记录在内层环境中成功执行的路径代码到Dockerfile中

下面是Repo2Run的关键执行流程：

关键部件

  1. external environment：
  • 回滚：当某条指令（如cat a.txt >b.txt）执行失败会修改代码或文件的结构，此时环境会进入到一个未知状态，因此在论文中使用docker commit保存镜像的快照，方便回滚。但是论文中提到某些“安全”指令（如cat a.txt ls）等执行失败时是不用回滚的。
  • 切换基础镜像：根据agent的response切换到其他版本镜像，同时需要清空之前的所有操作和记录。
  • 输出处理：只保留重要的输出，避免LLM agent模型超载。
  1. internal environment：
  • 环境监控
  • 依赖安装：pip install apt-get install等
  • 运行测试
  • 代码修改：利用LLM agent修改源码中的语法问题，同时不能修改测试文件
  • 执行shell
  1. Dockerfile synthesizer

实验和结论

实验1：与baseline对比

在github中收集420个python相关项目，start > 100。

对照组（baseline）：

  • pipreqs: 自动生成requirement.txt的python工具，利用他生成的requirements.txt手动构造Dockerfile
  • LLM generator: 根据README构造Dockerfile
  • SWE-agent: 调整了prompt，保留基础设置

实验结果：

结论：

  • rollback在处理依赖冲突和切换基础镜像方面很有必要
  • Repo2Run在不同领域的代码测试中准确率较高，对于真实项目环境部署很有用

实验2：与自身对比

两组实验：

  1. 破坏双环境架构测试：没有外部环境，只保留内部环境
  2. 删除Dockerfile 生成器，直接使用LLM agent生成Dockerfile
  3. 删除rollback机制

实验结果：