雷火电竞（中国）平台网站

雷火电竞取人类与大模型之长人机协作式智能软件开发框架AgileGen来了

发布时间：2024-11-22 05:10:13 丨 浏览次数：630

　　雷火电竞平台 雷火电竞AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：；

　　本论文作者张赛是天津大学博士研究生，师从张小旺教授。目前是澳大利亚联邦科学与工业研究组织（SE4AI 团队）联合培养博士生，合作导师为邢振昌教授。主要研究方向为生成式软件开发，软件工程需求分析等。她曾经以第一作者在 TOSEM, TNNLS, TCBB, Bioinformatics 等顶级期刊上发表论文。曾获得 2022 年度省级优秀硕士学位论文，国家奖学金和国家公派奖学金等荣誉。

　　在人工智能迅猛发展的今天，我们正站在软件开发领域一次深刻变革的起点上。想象一下，只需一句简单的需求描述，就能生成符合你期望的软件。这不再是科幻小说中的情节，而是即将成为现实的创新技术。

　　而这一切的背后，正是我们即将介绍的 AgileGen— 一种基于人机协作的敏捷生成式软件开发框架。

　　著名的图灵奖得主 Frederick P. Brooks 在他的经典论文”No Silver Bullet: Essence and Accidents of Software Engineering” 中指出：“软件开发的本质困难在于对复杂概念结构的构思和理解，这主要涉及需求分析和设计。相比之下，使用编程语言来实现这些抽象的软件实体只是偶然性的困难。” 也就是说，理解用户需求，设计出满足这些需求的系统架构和功能，是软件开发中最核心、最具挑战性的部分。

　　然而，在实际开发过程中，用户往往难以完整、准确地描述他们的需求。这并非用户的错，而是因为他们可能缺乏专业的技术背景，或者对自己的需求也不是特别清晰。举个例子，一位教师可能会提出：“我需要一个可以随机点名的应用。” 但是，这样的描述并未明确系统需要具备哪些具体功能，比如学生名单是否固定还是要动态添加删除，是否需要考虑请假学生，界面应该如何设计，是否需要配合随堂提问等。

　　随着大型语言模型（LLM）的发展，许多人开始尝试利用 AI 来自动生成代码。然而，现有的生成式软件开发方法在处理不完整的需求时仍存在巨大挑战：他们要么过于依赖用户的指导，要么在没有用户参与的情况下自行决策，导致生成的代码与用户的期望有较大偏差，也就是即使生成的软件可以成功运行 (build software right)，也无法弥合用户的期待 (build right software)。

　　面对这些挑战，我们提出了 AgileGen，一种基于人机协作的敏捷生成式软件开发框架，旨在融合人类的创造力和 AI 大模型的生成能力，实现高效、准确的软件生成。

　　AgileGen 的核心理念是让用户和 AI 各自专注于自己擅长的领域。用户负责提出需求和进行决策，AI 负责技术实现和代码生成。通俗的讲就是人干两头，AI 干中间。通过这种人机协作的方式，我们能够更精准地捕捉用户的隐含需求，减少沟通成本。

　　图 1：问题陈述图。用户不确定如何驱动代理生成所需的软件，Agent 也不知道如何满足用户需求。我们在用户和 Agent 之间建立了一座桥梁，促进了人类决策技能和 Agent 编码能力之间的协作。这种协作创建了一个具有轻量级迭代反馈的生成式软件开发代理。

　　用户在每次迭代的开始（场景决策）和结束（验收与建议）参与进来，AI则负责中间的技术实现。这样既保留了用户的控制权，又充分利用了 AI 的优势，减少了错误的发生。

　　我们首次将行为驱动开发（BDD） 引入生成式软件开发中，使用 Gherkin 语言 将用户的模糊需求转化为清晰、可测试的场景描述，弥合了不完整需求与精确功能之间的差距。通过动态融入用户的决策，我们确保了生成的软件始终符合用户的真实需求。

　　我们设计了一个包含人类决策点的 Agent 图，形成了一个有向循环的流程，便于迭代和扩展。引入了记忆池来收集用户的决策结果，推荐给有类似需求的后续用户，形成自我更新的循环。

　　- 场景决策：AgileGen 会根据用户的需求，从记忆池中匹配类似的需求和场景，为用户提供参考。用户可以对这些场景进行确认、添加、删除或修改，从而迭代地澄清需求。这些决策将被记录并存储在记忆池中，供后续用户参考并循环使用。

　　- 记忆池机制：存储了大量先前用户决策的场景描述，当新的需求输入时，系统会从记忆池中匹配相似的需求，提供参考场景，提升场景设计的可靠性。随着使用次数的增加，记忆池会不断丰富，为用户提供更精准的参考。

　　- 交互桥：为了让用户无需学习领域特定语言 Gherkin，系统设计了一个交互式桥梁，将 Gherkin 场景转换为自然语言。用户可以轻松理解这些场景，并进行相应的决策，降低了技术门槛。

　　- 视觉设计：系统根据用户确认的 Gherkin 场景，自动生成页面布局和视觉描述，遵循八大成功的视觉设计原则，确保界面美观、易用。

　　- 代码生成与一致性因子：通过生成一致性因子（测试用例），确保生成的代码与业务逻辑一致，减少功能偏差。

　　- 自动修改与迭代：系统能够根据用户的反馈，自动修改代码，实现快速迭代。

　　- 用户验收决策：在原型生成后，AgileGen 为用户提供一个代码执行链接，用户可以直接体验软件的功能。如若满意可以下载完整代码，部署到实际环境中。

　　- 用户推荐反馈决策：通过对界面和功能的测试，用户可以提出修改建议，如调整界面风格、添加新功能等。AgileGen 会根据用户的反馈，自动修改代码，并提供新的原型供用户验收。这种循环持续进行，直到用户满意并完成软件交付。

　　让我们回到之前的例子，看看 AgileGen 是如何将一个简单的想法转化为完整的软件的。

　　AgileGen 利用记忆池，从类似的需求中提取可能的场景，并以自然语言呈现给用户：

　　AgileGen 根据用户决策过的 Gherkin 场景，生成初步的代码和界面设计，包括页面布局、按钮位置、颜色搭配等。

　　用户运行生成的原型，如果发现界面颜色不符合期望，或者按钮位置需要调整。他可以在系统中提出这些问题，AgileGen 将根据反馈自动修改代码。

　　经过几次迭代，用户对功能和界面都满意之后，下载完整的代码，部署到实际环境中。

　　所有方法都生成了能够完成视频剪辑的软件，但 AgileGen 生成的界面体现了更好的界面设计和交互性。

　　我们相信，AgileGen 的出现，将开启软件开发的新纪元。通过人机协作，充分发挥人类的创造力和 AI 的计算能力，软件开发将变得更加高效、准确和个性化。正如 Frederick P. Brooks 所言，软件开发的本质困难在于需求分析和设计。AgileGen 通过引入人机协作的敏捷开发理念，让用户深度参与需求的澄清和验收，使得软件真正满足用户的需求。

　　我们诚挚地邀请广大开发者、企业和对软件开发感兴趣的朋友和学者，关注并参与 AgileGen 的未来发展。让我们携手共进，探索人机协作在软件开发中的无限可能，开启智能软件开发的新时代！