Enhanced Repository-Level Code Comprehension through Knowledge Graphs for Large Language Models

Die Codegenerierung wurde durch jüngste Fortschritte bei Large Language Models (LLMs) maßgeblich beeinflusst. Das Verständnis auf Repository-Ebene bleibt jedoch insbesondere innerhalb von Enterprise-Java-Umgebungen, die stark auf Meta-Programming-Frameworks wie Spring und Lombok basieren, eine zentrale Herausforderung. In diesen Umgebungen werden Kontrollfluss und Logik häufig durch implizite Annotationen als durch expliziten Quellcode definiert. Infolgedessen übersehen herkömmliche textbasierte Retrieval-Augmented-Generation-Ansätze (RAG) kritische Abhängigkeiten und liefern irrelevanten Kontext.Um diesen Einschränkungen zu begegnen, stellt diese Arbeit J-PRISM (Java Property-graph Repository-level Insight System for Meta-programming) vor, eine neue Architektur,die statische Git-Repositories in semantisch angereicherte Wissensgraphen (Knowledge Graphs, KG) transformiert. J-PRISM modelliert Code-Entitäten als Knoten und Abhängigkeiten als Kanten, wodurch einem KI-Agenten eine deterministische Schnittstelle zur Abfrage der Codebasis bereitgestellt wird. Das System implementiert eine hybri-de Retrieval-Strategie über das Model Context Protocol (MCP), welche symbolische Cypher-Abfragen für strukturelle Präzision mit vektorbasierter semantischer Suche zurKonzeptfindung kombiniert. Zur Validierung dieses Ansatzes wurde ein neues Set an Benchmarks entwickelt, dasspeziell auf Java-Repositories mit Meta-Programming zugeschnitten ist und von einfachen CRUD-Anwendungen bis hin zu komplexen infrastrukturintensiven Architekturen reicht.Die empirische Evaluierung zeigt, dass J-PRISM herkömmliche dateibasierte Retrieval-Methoden (OpenHands) signifikant übertrifft und im Vergleich zu 89,37% bei der Baseline, einen mittleren Quality Score von 97,69% erreicht. Die Ergebnisse bestätigen ferner,dass mit zunehmender architektonischer Komplexität ein strukturiertes graphbasiertes Retrieval für ein präzises und effizientes Codeverständnis unerlässlich wird.