DraCo是一种用于仓库级别代码自动补全的数据流引导检索增强方法。通过数据流分析和建立代码实体之间的关系，形成仓库特定的上下文图。实验证明DraCo在精确匹配代码和标识符方面的准确性和适用性较先进方法平均提高了3.43%和3.27%。

该研究提出了一种新的语言模型预训练框架，考虑了 Text-Attributed Heterogeneous Graph 中的拓扑和异构信息，通过优化语言模型和辅助异构图神经网络，定义了上下文图，并通过拓扑感知预训练任务来预测与上下文图有关的节点，同时采用文本增强策略来处理节点文本不平衡问题。实验结果证明了该方法的优越性和每个设计的合理性。