软件工程集成了计算机科学的原理来设计、开发和维护软件应用程序。随着技术的进步，软件系统的复杂性不断增加，给确保效率、准确性和整体性能带来了挑战。人工智能，特别是使用大型语言模型（LLM），对该领域产生了重大影响。大语言模型现在可以自动执行代码生成、调试和软件测试等任务，从而减少人类对这些重复性任务的参与。这些方法对于解决现代软件开发中日益增长的挑战变得至关重要。
软件工程的主要挑战之一是管理日益复杂的软件系统。随着软件规模的扩大，传统方法往往无法满足现代应用程序的需求。开发人员需要帮助生成可靠的代码、检测漏洞并确保整个开发过程中的功能。这种复杂性需要能够协助代码生成并无缝集成各种任务、最大限度地减少错误并提高整体开发速度的解决方案。
当前软件工程中使用的工具（例如基于 LLM 的模型）可以通过自动化任务来帮助开发人员例如代码摘要、错误检测和代码翻译。然而，虽然这些工具提供自动化，但它们通常是针对狭窄的、特定于任务的功能而设计的。他们通常需要一个有凝聚力的框架来集成全方位的软件开发任务。这种碎片化限制了他们解决更广泛的软件工程挑战的能力，从而为进一步创新留下了空间。
来自中山大学、西安交通大学、深圳先进技术研究院、厦门大学和华为云计算技术提出了一个新的框架来应对这些挑战。该框架使用LLM驱动的代理来执行软件工程任务，并包括三个关键模块：感知、记忆和行动。感知模块处理各种输入，例如文本、图像和音频，而存储模块则组织和存储这些信息以供将来决策。操作模块使用这些信息来做出明智的决策并执行代码生成、调试和其他软件开发活动等任务。
框架方法涉及这些模块协同工作以自动化复杂的工作流程。感知模块处理输入并将其转换为大语言模型可以理解的格式。记忆模块存储不同类型的信息，例如语义记忆、情景记忆和程序记忆，用于改善决策。动作模块结合输入和内存来执行代码生成和调试等任务，从以前的动作中学习以改进未来的输出。这种集成方法增强了系统处理各种软件工程任务的能力，并具有更强的上下文意识。
该研究强调了实现该框架时面临的几个性能挑战。发现的一个重要问题是基于 LLM 的代理产生的幻觉，例如生成不存在的 API。这些幻觉会影响系统的可靠性，减轻它们对于提高性能至关重要。该框架还面临多智能体协作的挑战，智能体必须同步和共享信息，导致计算成本和通信开销增加。研究人员指出，提高资源效率和降低这些通信成本对于提高系统整体性能至关重要。
该研究还讨论了未来研究的领域，特别是解决大语言模型产生的幻觉和优化多系统的需求。代理协作流程。必须解决这些关键挑战，才能充分发挥基于 LLM 的代理在软件工程中的潜力。此外，将更先进的软件工程技术纳入这些框架可以增强它们的能力，特别是在处理复杂的软件项目方面。
总之，该研究提供了一个全面的框架，可以利用大语言模型来应对软件工程中日益增长的挑战为主的代理。所提出的系统集成了感知、记忆和动作模块，以自动执行代码生成、调试和决策等关键任务。虽然该框架展示了潜力，但该研究强调了改进的机会，特别是在减少幻觉和提高多主体协作效率方面。中山大学和华为云计算的贡献标志着人工智能技术与实际软件工程应用相结合的重要一步。
查看该论文。这项研究的所有功劳都归功于该项目的研究人员。另外，不要忘记在 Twitter 上关注我们并加入我们的 Telegram 频道和 LinkedIn 群组。如果您喜欢我们的工作，您一定会喜欢我们的时事通讯。
不要忘记加入我们的 50k ML SubReddit
Nikhil 是 Marktechpost 的实习顾问。他正在印度理工学院卡拉格普尔分校攻读材料综合双学位。Nikhil 是一位 AI/ML 爱好者，一直在研究生物材料和生物医学等领域的应用。凭借深厚的材料科学背景，他正在探索新的进步并创造做出贡献的机会。