KGMACG:知识引导的多智能体编排用于可扩展的应用级代码生成

《ACM Transactions on Software Engineering and Methodology》:KGMACG: Knowledge-Guided Multi-Agent Orchestration for Scalable Application-Level Code Generation

【字体: 大 中 小 】 时间:2026年09月18日 来源:ACM Transactions on Software Engineering and Methodology 6.9

编辑推荐:

   摘要AI 摘要要查看此 AI 生成的摘要,您必须拥有高级访问权限。了解更多登录摘要摘要由大语言模型(LLM)驱动的自动化代码生成技术提升了开发效率,然而生成复杂的应用级软件代码仍然充满挑战。多智能体框架展现了潜力,但现有方法在大规模应用级软件代码生成方面表现不佳:它们无法维护

  

摘要

摘要

由大语言模型(LLM)驱动的自动化代码生成技术提升了开发效率,然而生成复杂的应用级软件代码仍然充满挑战。多智能体框架展现了潜力,但现有方法在大规模应用级软件代码生成方面表现不佳:它们无法维护语义合理的项目结构,生成的输出碎片化,缺乏可追溯的需求到代码的映射关系,难以扩展或扩展规模。为解决这些局限性,本文提出了 KGMACG,一个面向可扩展代码生成的Knowledge-Guided Multi-Agent 框架(知识引导多智能体框架)。KGMACG 在闭环中协调三个专业化智能体:代码组织与规划智能体(COPA)将软件需求规格说明(SRS)和架构设计文档(ADD)转化为模块化构建计划和项目骨架;编码智能体(CA)在五支柱知识库的指导下合成仓库级代码;测试智能体(TA)持续生成单元测试,并将失败轨迹反馈进行修正。该循环仅在项目编译通过且达到 ≥95% 的需求覆盖率时才终止,从而保证语法正确性和功能完整性。我们在三个工业级案例研究(电子商务、校园安全、股票交易)中评估了 KGMACG,并与六个最先进的多智能体基线方法进行了对比:MetaGPT、AutoGen、CAMEL、CrewAI、ChatDev 和 CodeAgent。在相同的骨干 LLM 条件(DeepSeek R1 和 gpt-5-codex-medium)下,结果表明 KGMACG 推动了应用级软件开发的自动化进程。

AI 摘要

AI 生成的摘要(实验性)

本摘要由自动化工具生成,未经本文作者撰写或审核。它旨在支持发现、帮助读者评估相关性,并协助来自相邻研究领域的读者理解该工作。它是作者提供的摘要的补充,后者仍是论文的主要摘要。全文仍是权威版本。

点击此处对该摘要的准确性、清晰度和实用性进行评论。这样做将有助于改进和未来的再生版本。

要查看此 AI 生成的语言通俗摘要,您必须拥有高级访问权限。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号