論文の概要: AgenticAKM : Enroute to Agentic Architecture Knowledge Management

• arxiv url: http://arxiv.org/abs/2602.04445v1
• Date: Wed, 04 Feb 2026 11:16:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.501336
• Title: AgenticAKM : Enroute to Agentic Architecture Knowledge Management
• Title（参考訳）: AgenticAKM : エージェントアーキテクチャ知識管理への道
• Authors: Rudra Dhar, Karthik Vaidhyanathan, Vasudeva Varma,
• Abstract要約: アーキテクチャ知識管理(AKM)は、ソフトウェアプロジェクトにおいて、現在かつ包括的なソフトウェアアーキテクチャ知識(AK)を維持するために不可欠である。 本稿では,AKM のエージェント的アプローチである AgenticAKM を提案し,アーキテクチャ回復とドキュメントの複雑な問題を,管理可能なサブタスクに分解する。
• 参考スコア（独自算出の注目度）: 2.625250413679978
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Architecture Knowledge Management (AKM) is crucial for maintaining current and comprehensive software Architecture Knowledge (AK) in a software project. However AKM is often a laborious process and is not adopted by developers and architects. While LLMs present an opportunity for automation, a naive, single-prompt approach is often ineffective, constrained by context limits and an inability to grasp the distributed nature of architectural knowledge. To address these limitations, we propose an Agentic approach for AKM, AgenticAKM, where the complex problem of architecture recovery and documentation is decomposed into manageable sub-tasks. Specialized agents for architecture Extraction, Retrieval, Generation, and Validation collaborate in a structured workflow to generate AK. To validate we made an initial instantiation of our approach to generate Architecture Decision Records (ADRs) from code repositories. We validated our approach through a user study with 29 repositories. The results demonstrate that our agentic approach generates better ADRs, and is a promising and practical approach for automating AKM.
• Abstract（参考訳）: アーキテクチャ知識管理(AKM)は、ソフトウェアプロジェクトにおいて、現在かつ包括的なソフトウェアアーキテクチャ知識(AK)を維持するために不可欠である。 しかし、AKMは、しばしば面倒なプロセスであり、開発者やアーキテクトには採用されていない。 LLMは自動化の機会を提供するが、単純で単発的なアプローチはしばしば非効率であり、コンテキスト制限とアーキテクチャ知識の分散した性質を把握できない。 これらの制約に対処するため,AKM のエージェントアプローチである AgenticAKM を提案し,アーキテクチャ回復とドキュメントの複雑な問題を,管理可能なサブタスクに分解する。 アーキテクチャ抽出、検索、生成、検証のための特殊エージェントは、構造化ワークフローで協調してAKを生成する。 検証のために、コードリポジトリからアーキテクチャ決定レコード(ADR)を生成するアプローチを初期インスタンス化しました。 29のリポジトリを使ったユーザスタディを通じて、このアプローチを検証しました。 その結果,エージェントアプローチはより優れたADRを生成し,AKMを自動化するための有望かつ実用的なアプローチであることが示唆された。

関連論文リスト

• Let It Flow: Agentic Crafting on Rock and Roll, Building the ROME Model within an Open Agentic Learning Ecosystem [90.17610617854247]
  本稿では,エージェントモデルの生産パイプラインを最適化する基盤インフラであるエージェント学習エコシステム(ALE)を紹介する。 ALEは、重量最適化のためのトレーニング後のフレームワークであるROLL、軌道生成のためのサンドボックス環境マネージャであるROCK、効率的なコンテキストエンジニアリングのためのエージェントフレームワークであるiFlow CLIの3つのコンポーネントで構成されている。 ROMEはALEが基盤として100万件以上のトラジェクトリをトレーニングしたオープンソースエージェントです。
  論文  参考訳（メタデータ） (2025-12-31T14:03:39Z)
• Monadic Context Engineering [59.95390010097654]
  本稿では,エージェント設計の正式な基盤を提供するために,モナディックコンテキストエンジニアリング(MCE)を紹介する。 我々は、モナドがロバストなコンポジションをどのように実現し、Applicativesが並列実行に原則化された構造を提供し、また、モナドトランスフォーマーがこれらの機能の体系的なコンポジションをどのように可能にしているかを実証する。 この階層化されたアプローチにより、開発者は、単純で独立した検証可能なコンポーネントから、複雑でレジリエントで効率的なAIエージェントを構築することができる。
  論文  参考訳（メタデータ） (2025-12-27T01:52:06Z)
• Designing Domain-Specific Agents via Hierarchical Task Abstraction Mechanism [61.01709143437043]
  階層型タスク抽象化機構(HTAM)を中心とした新しいエージェント設計フレームワークを提案する。 具体的には、HTAMは、社会的役割のエミュレーションを超えて、代わりに、複数のエージェントシステムを、あるドメインの固有のタスク依存グラフを反映する論理階層に構造化する。 我々は、複雑な地理空間解析に適したマルチエージェントシステムであるEarthAgentとして、このフレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2025-11-21T12:25:47Z)
• Generating Software Architecture Description from Source Code using Reverse Engineering and Large Language Model [2.6126272668390373]
  ソフトウェアアーキテクチャ記述(SAD)は、現代のソフトウェアシステムの本質的な複雑さを管理するために不可欠である。 SADは、しばしばシステムの実際の実装に不整合、時代遅れ、あるいは不整合である。 逆エンジニアリング(RE)技術とLarge Language Model(LLM)を統合し,ソースコードからSADを半自動生成する手法を提案する。
  論文  参考訳（メタデータ） (2025-11-07T11:35:46Z)
• AgentArcEval: An Architecture Evaluation Method for Foundation Model based Agents [25.51779417301816]
  本稿では,FMベースのエージェントアーキテクチャの複雑さに対処するために特別に設計されたエージェントアーキテクチャ評価手法であるAgentArcEvalを提案する。 エージェント固有の汎用シナリオのカタログも提示し、エージェントアーキテクチャの設計と評価のための具体的なシナリオを生成するためのガイドとして機能する。
  論文  参考訳（メタデータ） (2025-10-23T22:32:03Z)
• MAAD: Automate Software Architecture Design through Knowledge-Driven Multi-Agent Collaboration [20.14573932063689]
  アーキテクチャ設計に知識駆動型マルチエージェントシステム(MAS)を利用する自動フレームワークであるMAAD(Multi-Agent Architecture Design)を提案する。 MAADは、要求仕様を協調的に解釈し、アーキテクチャの青写真を作成するために、4つの特殊エージェント(アナリスト、モデル、設計者、評価者)を編成する。 以上の結果から,MAADの優位性は,総合的なアーキテクチャコンポーネントの生成と,洞察に富んだ構造化されたアーキテクチャ評価レポートの提供にあることが示された。
  論文  参考訳（メタデータ） (2025-07-28T23:18:25Z)
• Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
  Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。 本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
  論文  参考訳（メタデータ） (2025-06-22T16:52:48Z)
• Knowledge-Based Multi-Agent Framework for Automated Software Architecture Design [8.082263503892912]
  知識に基づくマルチエージェントアーキテクチャ設計(MAAD)フレームワークを構想する。 MAADはエージェントを使用して、従来のソフトウェアアーキテクチャ設計プロセスにおけるヒューマンロールをシミュレートする。 アプリケーションレベルのシステム開発を完全に自動化することを目指しています。
  論文  参考訳（メタデータ） (2025-03-26T13:35:10Z)
• REAR: A Relevance-Aware Retrieval-Augmented Framework for Open-Domain Question Answering [115.72130322143275]
  REAR(Relevance-Aware Retrieval-augmented approach for open-domain Question answering, QA) 我々は,特殊な設計のアセスメントモジュールを組み込むことで,LLMベースのRAGシステムのための新しいアーキテクチャを開発する。 オープンドメインの4つのQAタスクの実験では、REARは以前の競争力のあるRAGアプローチよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2024-02-27T13:22:51Z)
• Towards Responsible Generative AI: A Reference Architecture for Designing Foundation Model based Agents [28.406492378232695]
  ファンデーションモデルに基づくエージェントは、ファンデーションモデルの能力から自律性を引き出す。 本稿では,基礎モデルに基づくエージェントの設計におけるガイダンスとして機能するパターン指向参照アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-11-22T04:21:47Z)

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。