PLLM+ — детерминированный replay вместо LLM для repair зависимостей
Саммари
PLLM+ исследует простой, но контринтуитивный вывод: в задачах с конфликтующими Python-зависимостями повторное использование проверенной конфигурации часто эффективнее генерации новой LLM-рекомендации. На HG2.9K baseline решает 1 169 из 2 891 сниппетов, а hybrid pipeline — 1 500, одновременно сокращая среднее время с 368,7 до 71,8 секунды.
Из этого следует: в agentic repair нужно сначала извлекать и проверять детерминированные инварианты, а не сразу спрашивать модель о цепочке совместимых версий.
На практике для C#/Revit-проекта аналогом solutions database могут быть lock-файлы, проверенные SDK-матрицы Revit, NuGet restore transcripts и прошлые успешные CI-конфигурации.
Важный нюанс: результат зависит от покрытия базы; отсутствие похожих решений делает LLM fallback необходимым, а не опциональным.