PairCoder 是编程开发领域的开源项目，由 nju-websoft 开发，2024 年首次发布。
它收录于编程开发分类，该分类目前共有 503 个项目，GitHub 星标数为 113。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-07-24。GPL-3.0许可，完全免费，需自行部署使用。
它主要面向的使用场景是：复杂算法或API调用的代码生成。同类可对比的替代方案包括 Self-Refine、CodeT、LDB。
PairCoder
多方案探索加反馈打磨，让AI写代码更靠谱
PairCoder 是一个面向代码生成的结对编程框架，采用多方案探索与反馈驱动的细化机制，相关论文发表于 ASE 2024 并获杰出论文奖。它解决的是单一代码生成模型在复杂任务上准确率不足、缺乏自我纠错能力的问题。核心能力包括：生成多个候选代码方案，通过执行反馈和自反思进行迭代优化，最终选出最优解。框架基于 Python 实现，易于集成到现有开发流程中，适用于代码补全、程序修复、测试生成等场景。其核心思想是模拟人类结对编程中的讨论与改进过程，提升代码生成的质量和鲁棒性。
开源
free
开源模型
GitHub 星标
★ 113
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队nju-websoft
所属国家
定价模式free
价格说明开源项目，GPL-3.0许可，完全免费，需自行部署使用。
访问状态
是否开源是
开源协议GPL-3.0
主要语言Python
技术栈/模型code-generation,large-language-models,llm-agent,multi-agent-system,pair-programing,program-synthesis
GitHub 星标★ 113
30天Star增速
HF 下载量
上线时间2024-08-18 00:00:00
最近更新2026-07-24 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数7
使用教程
核心亮点
- 提出多计划探索机制，避免单次生成陷入局部最优
- 基于执行反馈的迭代细化，能显著提升代码正确率
- 获 ASE 2024 杰出论文奖，方法有学术验证
不足之处
- 项目处于早期阶段，文档和社区支持待观察
- 依赖外部执行环境，部署和调试成本较高
适用场景
- 复杂算法或API调用的代码生成
- 代码缺陷自动修复
- 单元测试用例生成
替代项目
Self-Refine、CodeT、LDB
项目介绍
同类项目推荐
bolt.new
开源
想到啥说啥，网页应用当场生成直接能用
Prompt, run, edit, and deploy full-stack web applications. -- bolt.new -- Help Cente···
fuzz4all
开源
用大模型自动生成测试输入，发现各种软件漏洞
️Fuzz4All: Universal Fuzzing with Large Language Models
superpowers-zh
开源
全套 AI 编程神技汉化好了，照着用就行。
AI 编程超能力 · 中文增强版 — superpowers（250k+ ⭐）完整汉化 + 4 个中国原创 skills···
crystal
开源
多个 AI 同时写不同功能，互不干扰齐头并进。
(Crystal is now Nimbalyst) Run multiple Codex and Claude Code AI sessions in paralle···