論文の概要: Knowledge-Guided Multi-Agent Framework for Application-Level Software Code Generation
- arxiv url: http://arxiv.org/abs/2510.19868v1
- Date: Wed, 22 Oct 2025 03:10:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 03:08:16.426274
- Title: Knowledge-Guided Multi-Agent Framework for Application-Level Software Code Generation
- Title（参考訳）: アプリケーションレベルソフトウェアコード生成のための知識ガイド型マルチエージェントフレームワーク
- Authors: Qian Xiong, Bo Yang, Weisong Sun, Yiran Zhang, Tianlin Li, Yang Liu, Zhi Jin,
- Abstract要約: 本稿ではKGACGという知識誘導型アプリケーションレベルコード生成フレームワークを構想する。
KGACGは、ソフトウェア要件仕様とアーキテクチャ設計文書を実行可能なコードに変換することを目的としている。
- 参考スコア（独自算出の注目度）: 47.691865459572995
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Automated code generation driven by Large Lan- guage Models (LLMs) has enhanced development efficiency, yet generating complex application-level software code remains challenging. Multi-agent frameworks show potential, but existing methods perform inadequately in large-scale application-level software code generation, failing to ensure reasonable orga- nizational structures of project code and making it difficult to maintain the code generation process. To address this, this paper envisions a Knowledge-Guided Application-Level Code Generation framework named KGACG, which aims to trans- form software requirements specification and architectural design document into executable code through a collaborative closed- loop of the Code Organization & Planning Agent (COPA), Coding Agent (CA), and Testing Agent (TA), combined with a feedback mechanism. We demonstrate the collaborative process of the agents in KGACG in a Java Tank Battle game case study while facing challenges. KGACG is dedicated to advancing the automation of application-level software development.
- Abstract（参考訳）: LLM(Large Lan-guage Models)によって駆動される自動コード生成は、開発効率を向上するが、複雑なアプリケーションレベルのソフトウェアコードを生成することは難しい。
マルチエージェントフレームワークは潜在的な可能性を示しているが、既存のメソッドは大規模なアプリケーションレベルのソフトウェアコード生成では不十分であり、プロジェクトコードの合理的なオーガナイゼーション構造を保証することができず、コード生成プロセスのメンテナンスが困難である。
そこで本稿では,ソフトウェア要件仕様とアーキテクチャ設計文書を,コードオーガナイゼーション・アンド・プランニング・エージェント(COPA),コーディング・エージェント(CA),テスト・エージェント(TA)の協調的なクローズドループを通じて実行可能なコードに変換することを目的とした,KGACGという知識ガイド型アプリケーション・レベルコード生成フレームワークを構想する。
我々は,KGACGにおけるエージェントの協調過程を,課題に直面しながら,Java Tank Battleゲームケーススタディで実証した。
KGACGはアプリケーションレベルのソフトウェア開発の自動化の促進に特化している。
関連論文リスト
- A Survey on Code Generation with LLM-based Agents [61.474191493322415]
大規模言語モデル(LLM)を利用したコード生成エージェントは、ソフトウェア開発パラダイムに革命をもたらしている。
LLMは3つのコア特徴によって特徴づけられる。
本稿では,LLMに基づくコード生成エージェントの分野を体系的に調査する。
論文 参考訳（メタデータ） (2025-07-31T18:17:36Z) - AgentMesh: A Cooperative Multi-Agent Generative AI Framework for Software Development Automation [0.0]
ソフトウェア開発タスクの自動化に複数のLCMエージェントを併用したPythonベースのフレームワークを提案する。
AgentMeshでは、Planner、Coder、Debugger、Reviewerといった特殊なエージェントが協力して、ハイレベルな要件を完全に実現されたコードに変換する。
論文 参考訳（メタデータ） (2025-07-26T10:10:02Z) - CodeIF: Benchmarking the Instruction-Following Capabilities of Large Language Models for Code Generation [20.013757490442064]
タスク指向の命令に準拠する大規模言語モデル(LLM)の能力を評価するために設計された最初のベンチマークであるCodeIFを紹介する。
CodeIFは関数合成、アルゴリズム命令、コード説明など幅広いタスクを含んでいる。
我々はLLMによる広範囲な実験を行い、これらの課題の要求を満たす上での強みと限界を分析した。
論文 参考訳（メタデータ） (2025-02-26T14:19:49Z) - Chain-of-Programming (CoP) : Empowering Large Language Models for Geospatial Code Generation [2.6026969939746705]
本稿では,コード生成プロセスを5段階に分解するプログラミングフレームワークを提案する。
このフレームワークには、共有情報プール、知識ベース検索、ユーザフィードバック機構が含まれている。
生成されたコードの論理的明確性、構文的正確性、実行可能性を大幅に改善する。
論文 参考訳（メタデータ） (2024-11-16T09:20:35Z) - Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。
Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
論文 参考訳（メタデータ） (2024-10-02T09:11:10Z) - Agent-Driven Automatic Software Improvement [55.2480439325792]
本提案は,Large Language Models (LLMs) を利用したエージェントの展開に着目して,革新的なソリューションの探求を目的とする。
継続的学習と適応を可能にするエージェントの反復的性質は、コード生成における一般的な課題を克服するのに役立ちます。
我々は,これらのシステムにおける反復的なフィードバックを用いて,エージェントの基盤となるLLMをさらに微調整し,自動化されたソフトウェア改善のタスクに整合性を持たせることを目指している。
論文 参考訳（メタデータ） (2024-06-24T15:45:22Z) - AgileCoder: Dynamic Collaborative Agents for Software Development based on Agile Methodology [5.164094478488741]
AgileCoderは、Agile Methodology(AM)をフレームワークに統合するマルチエージェントシステムである。
このシステムは、Product Manager、Developer、Testerといった特定のAMロールを異なるエージェントに割り当て、ユーザ入力に基づいて協調してソフトウェアを開発する。
論文 参考訳（メタデータ） (2024-06-16T17:57:48Z) - CodePori: Large-Scale System for Autonomous Software Development Using Multi-Agent Technology [4.2990995991059275]
大規模言語モデル(LLM)とGPT(Generative Pre-trained Transformer)は、ソフトウェア工学の分野を変えました。
我々は,大規模かつ複雑なソフトウェアプロジェクトのコード生成を自動化するように設計された,新しいシステムであるCodePoriを紹介する。
結果: CodePoriは、典型的なソフトウェア開発プロセスに合わせて、大規模プロジェクトの実行コードを生成することができる。
論文 参考訳（メタデータ） (2024-02-02T13:42:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。