近期关于编码代理控制机制的研究仍在推进，但今天的证据表明，控制信号正变得更加针对具体任务。性能分析器、变异补丁、静态分析和仓库上下文在循环中引导生成并验证结果。报告的收益幅度较大，但它们来自不同基准，不能据此确定某一种架构总体上更优。
当代理获得经过测量的运行时证据，而不是宽泛的指令时，仓库级优化效果更好。PerfAgent 使用采样性能分析器识别热点，验证每个补丁，并将加速结果反馈给代理，最多进行五轮。在 GPT-5.1 下，GSO 上与专家表现匹配的补丁比例从 19.6% 提升至 39.2%，SWE-efficiency-Lite 上则从 26% 提升至 74%。
MoST 提供了另一种互补的可执行指导。它将提交和技术文档中的优化知识转换为经过验证的 Semgrep 规则，其中包括跨语言和跨架构迁移的策略。在 351 个历史任务上，它生成的与开发者补丁完全匹配的补丁比 SemOpt 多 24.44%–180.00%。这些研究共同表明，相比无指导生成，针对具体任务的测量和经过验证的规则是更强的优化信号。
测试生成的评判标准正转向测试能否将正确补丁与看似合理但错误的补丁区分开，而不只是测试能否运行。CoHarden 使用语义变异来检验生成的缺陷复现测试。严格测试使修复解决率提高 8.5 个百分点，而宽松测试没有带来提升，错位测试则使解决率下降 3.6 个百分点。
CATGen 处理的是更早出现的可靠性边界：在依赖复杂的项目中，生成的单元测试必须先通过编译，覆盖率才有意义。它检索项目和框架上下文，以确定性方式创建脚手架，并应用静态分析修复。在八个工业项目中，编译成功率提高了 24.72%–38.05%，而 token 使用量减少了 66.83%–83.86%。共同结果是，当确定性检查环绕模型生成过程时，测试产物会更有用。
两个系统首先组装周围的软件上下文，以缩小生成范围。AutoGlue 在行为驱动开发步骤所属的场景中解释每个步骤，然后检索相关规格说明和项目 API。与少样本提示相比，它使 API F1 提高了 58.7%，但只有 46.1% 的输出可以直接使用。
CATGen 也会在要求模型完成固定的测试骨架之前，检索类结构、外部调用和测试框架。其工业项目结果表明，这种分工可以提高编译成功率，同时减少修复循环。现有证据仅覆盖面向 Java 的测试和胶水代码任务，因此更广泛的仓库编辑能力仍未得到证实。