Repo0: Design-Driven Zero-to-All Code Generation

Large language model agents have made substantial progress in code generation, yet most existing systems assume a predefined repository architecture. This assumption does not hold in zero-to-all code generation, where an agent must construct an entire software project directly from natural-language requirements while maintaining a modular repository architecture throughout development. We present Repo0, a continuous structural evolution framework for zero-to-all code generation. Repo0 maintains an explicit architectural state instantiated as a Dual-Directed-Acyclic-Graph (Dual-DAG), consisting of a requirement-level DAG, a component-level DAG, and their alignment relation. Starting from natural-language requirements, it iteratively evolves component boundaries through structural actions guided by modularity metrics until structural convergence, after which the converged architecture guides test-driven development code generation. We evaluate Repo0 on six real-world repositories from RepoCraft using GPT-5 mini and DeepSeek V3.2. Repo0 achieves the highest Functionality Coverage and Pass Rate across all settings. Compared with RPG, the strongest repository-planning baseline, Repo0 improves Functionality Coverage by up to 20.08 percentage points and Pass Rate by up to 29.74 percentage points. Ablation and structural-evolution analyses further demonstrate the importance of the Dual-DAG architectural state, modularity-guided structural evolution, and explicit structural convergence.

한 줄 요약

Repo0는 자연어 요구사항에서 전체 소프트웨어 프로젝트를 생성하는 구조적 진화 프레임워크이다.

핵심 기여도

Dual-DAG(요구사항 수준 DAG, 구성요소 수준 DAG 및 정렬 관계)를 사용한 명시적 아키텍처 상태 유지.
모듈성 지표 기반 구조적 진화를 통해 구성요소 경계를 반복적으로 진화.
RPG 대비 최대 20.08% 포인트의 기능 커버리지 개선과 29.74% 포인트의 패스 레이트 향상.
구조적 수렴 후 테스트 주도 개발 코드 생성을 지원.

핵심 아이디어

기존 코드 생성 시스템은 대부분 사전 정의된 저장소 아키텍처를 가정하지만, Repo0는 자연어 요구사항에서 직접 전체 저장소를 생성하는 ‘제로-투-올’ 문제를 해결한다. 이를 위해 Dual-DAG를 도입하여 요구사항과 구성요소 간 관계를 명시적으로 추적하고, 모듈성 지표를 기반으로 구조적 진화를 반복적으로 수행한다. 구조적 수렴 이후에는 테스트 주도 개발을 통해 코드를 생성함으로써 유지보수성과 일관성을 확보한다. 이는 기존 시스템이 요구사항과 코드 간 정렬을 명시적으로 추적하지 못하는 한계를 극복한다.

기술적 접근법

**Dual-DAG**: 요구사항 수준 DAG, 구성요소 수준 DAG, 그리고 이들의 정렬 관계로 구성.
**구조적 진화**: 모듈성 지표를 기반으로 구성요소 경계를 반복적으로 조정.
**구조적 수렴**: 진화가 종료되면 테스트 주도 개발로 코드 생성.
**모델**: GPT-5 mini, DeepSeek V3.2 사용.
**데이터**: RepoCraft의 6개 실제 저장소.

주요 결과

**RepoCraft 데이터셋**에서 Repo0는 모든 설정에서 최고 기능 커버리지(Functionality Coverage)와 패스 레이트(Pass Rate) 달성.
RPG 대비 최대 **20.08% 포인트** 기능 커버리지 개선, **29.74% 포인트** 패스 레이트 향상.
구조적 진화 분석을 통해 Dual-DAG, 모듈성 지표, 구조적 수렴의 중요성 입증.

의의 및 한계

Repo0는 자연어 요구사항에서 전체 저장소를 생성하는 체계적인 프레임워크로, 기존 시스템이 가정하는 사전 정의 아키텍처를 제거함으로써 더 유연하고 유지보수 가능한 코드 생성이 가능하다는 점에서 학술적 의의가 있다. 실용적으로는 요구사항 기반 개발 프로세스 자동화에 기여할 수 있다. 그러나 모듈성 지표의 선택이 결과에 큰 영향을 미칠 수 있으며, 복잡한 요구사항에 대한 일반화 가능성은 추가 연구가 필요하다.

실용적 활용

Repo0는 소프트웨어 개발 초기 단계에서 요구사항 기반 자동화 설계 및 코드 생성에 활용 가능하며, 특히 테스트 주도 개발 프로세스와 결합하여 높은 품질의 소프트웨어를 신속하게 개발하는 데 유용할 수 있다.