大型语言模型在函数级和文件级代码生成方面表现出色，但从零开始生成完整代码库仍是根本性挑战。这一过程需要在方案设计与实现两个层面均具备连贯且可靠的规划能力，而自然语言由于其固有的模糊性和冗长性，难以准确表达复杂的软件结构。为应对这一问题，我们提出代码库规划图（Repository Planning Graph, RPG），这是一种持久化的表示方法，通过将能力、文件结构、数据流和函数等要素统一编码为一张图，实现了方案层与实现层规划的融合。RPG以明确的蓝图取代模糊的自然语言，支持长周期规划与可扩展的代码库生成。基于RPG，我们构建了ZeroRepo——一种从零开始生成代码库的图驱动框架。该框架分为三个阶段：首先进行方案层规划与实现层细化以构建规划图，随后在图的引导下进行代码生成并辅以测试验证。为评估该方法，我们构建了RepoCraft基准测试集，包含六个真实世界项目，共涵盖1,052个任务。在RepoCraft上，ZeroRepo生成的代码库平均达到近36,000行代码（LOC），约为最强基线（Claude Code）的3.9倍，约是其他基线的64倍。其功能覆盖率达81.5%，测试通过率达到69.7%，分别优于Claude Code 27.3和35.8个百分点。进一步分析表明，RPG能够有效建模复杂依赖关系，通过近似线性扩展支持逐步提升的规划复杂度，并显著增强大语言模型对代码库的理解能力，从而加速智能体在代码库中的定位效率。