論文の概要: A-SAW: The Agentic Software Architecture Workflow
- arxiv url: http://arxiv.org/abs/2610.13647v1
- Date: Fri, 09 Oct 2026 14:25:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.618797
- Title: A-SAW: The Agentic Software Architecture Workflow
- Title（参考訳）: A-SAW:エージェント型ソフトウェアアーキテクチャワークフロー
- Abstract要約: Agentic Software Architecture (A-SAW)は、Processic as Codeを永続的なエージェント層で拡張するプロセスレベルのアーティファクトである。
すべてのドラフトは、承認される前に必須のヒューマンレビューゲートをパスします。
- 参考スコア（独自算出の注目度）: 3.7702547956416996
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI assistance in software engineering focuses on implementation and verification, leaving the design phase, and in particular the maintenance of architecture documentation, comparatively underserved. Architecture as Code makes architectural artifacts versionable, diffable, and machine-readable, but it does not reduce the effort of keeping them updated, so design documentation still ends up as a fragmented, author-dependent, and only partially trusted record of why a system looks the way it does. In this paper we introduce the Agentic Software Architecture Workflow (A-SAW), a process-level artifact that extends Architecture as Code with a persistent agent layer: an IDE-integrated agent drafts architecture documents from a version-controlled C4 model, a typed element catalog, and instrumented templates. Every draft passes a mandatory human review gate before it is accepted. We evaluate it in a large industrial organization along two tracks: a rubric assessment of 45 architecture documents including 13 matched source-regeneration pairs, and 13 task-anchored practitioner interviews. Our results show that the workflow collapses the between-author variance that made quality unpredictable. Intrinsic quality also rises, by a median of +19 points across the matched pair. The cohort has a mean of 58% and 89% bundle templates, catalog, agent, and a richer regeneration context. So they bound the agent's contribution from above rather than isolating it. In the agent-generated documents, completeness (100%), consistency (93%), and machine-readability (99%) reach or approach the rubric maximum, while traceability reaches 79%. Eleven of the 13 participants rejected agent output that no human had reviewed, and one warned that polished output may lead reviewers to skip the review. Our work supports keeping human review mandatory and concentrating it where the agent must infer beyond the repository.
- Abstract（参考訳）: ソフトウェアエンジニアリングにおけるAIアシストは、実装と検証に重点を置いており、設計フェーズを残している。
アーキテクチャ コードとしてのアーキテクチャ アーティファクトは、バージョナブル、微分可能、マシン可読性を提供しますが、更新の労力を削減しません。
本稿では、IDE統合エージェントが、バージョン管理されたC4モデル、型付き要素カタログ、計装されたテンプレートからアーキテクチャ文書をドラフトする、永続的なエージェント層でアーキテクチャ・アズ・コードを拡張するプロセスレベルのアーティファクトであるAエージェントソフトウェアアーキテクチャワークフロー(A-SAW)を紹介します。
すべてのドラフトは、承認される前に必須のヒューマンレビューゲートをパスします。
我々は,大規模な産業組織において,13組のソース・リジェネレーション・ペアを含む45のアーキテクチャ文書と13組のタスク・アチョンド・実践者インタビューの2つのトラックに沿って評価を行った。
その結果、ワークフローは品質を予測不能にする著者間の分散を崩壊させることがわかった。
固有品質も上昇し、マッチした対の中央値が +19 となる。
コホートの平均は58%と89%のバンドルテンプレート、カタログ、エージェント、よりリッチな再生コンテキストである。
そのため、彼らはエージェントを孤立させるのではなく、上からエージェントの貢献を束縛した。
エージェント生成文書では、完全性(100%)、一貫性(93%)、機械可読性(99%)がルーブリック最大値に到達または接近し、トレーサビリティは79%に達した。
参加者13人のうち11人は、人間がレビューしていないエージェントのアウトプットを拒否し、洗練されたアウトプットがレビューをスキップする可能性があると警告した。
私たちの仕事は、ヒューマンレビューを必須にし、エージェントがリポジトリを超えて推論しなければならない場所に集中することをサポートします。
関連論文リスト
- Evaluating Local Language Model Agents for Reproducible Data Engineering: An Empirical Software Engineering Study of Mobility Workflows [74.39138492851343]
大規模言語モデル(LLM)エージェントは、ソフトウェアやデータエンジニアリングアシスタントとしてますます使われている。
ローカルオープンウェイトエージェントが正しい再現可能なデータエンジニアリングアーティファクトを作成できるかどうかを評価する。
論文 参考訳（メタデータ） (2026-10-08T08:26:46Z) - Deep Academic Survey: Stateful Agentic Closed-Loop Paradigm for Academic Survey Automation [60.151050016855834]
DASは出版指向の学術調査を作成するためのステートフルなエージェント・フレームワークである。
その鍵となる考え方は、再利用可能な紙分析とトピック固有の原稿構築を分離することである。
DASは4つの次元で最高点に達し、総合スコアは4.34であり、最強の競争相手は4.03である。
論文 参考訳（メタデータ） (2026-08-18T17:29:00Z) - Code as Representation: A Compilable Parsing Paradigm for Academic Documents [50.40789738182074]
Compilable Academic Document Parsing (CADP)は、コンテキストラプラス実行可能なPythonとして全ページを再構築するパラダイムである。
テキストと複数のSAEタイプを含む全学術ページのエキスパート検証ベンチマークであるCADP-Benchを紹介する。
その結果、フロンティアモデルでさえも、高忠実度で実行可能な再構築を行うのに苦戦していることがわかった。
論文 参考訳（メタデータ） (2026-08-18T09:10:43Z) - DocOps: A Verifiable Benchmark for Autonomous Agents in Complex Document Operations [106.74348504930124]
本稿では,階層的な分類を基盤とした決定論的に検証可能な評価フレームワークであるDocOpsを紹介する。
DocOpsに基づいて,各種エージェントハーネスのクローズドおよびオープンソースモデルを体系的に評価する。
我々の研究は、グローバルな文書整合性を維持するためのエージェントの能力境界を明らかにし、堅牢で非破壊的なエージェントの将来の設計に光を当てている。
論文 参考訳（メタデータ） (2026-07-22T07:52:59Z) - AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。
我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。
障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
論文 参考訳（メタデータ） (2026-05-18T17:08:26Z) - LLM-based Automated Architecture View Generation: Where Are We Now? [0.0]
ソースコードからアーキテクチャビューを生成するLLMとエージェントアプローチの能力を評価する。
ゼロショットのプロンプトはゼロショットのベースラインに比べて、クリアリティの失敗を9.2%削減する。
カスタムエージェントアプローチは、汎用エージェントよりも一貫して優れています。
論文 参考訳（メタデータ） (2026-03-22T11:41:37Z) - DocReward: A Document Reward Model for Structuring and Stylizing [107.03974018371058]
DocRewardはドキュメントの構造とスタイルに基づいてドキュメントを評価するドキュメント報酬モデルである。
ブラッドリー・テリーの損失を利用して文書を採点し、注釈付きランキングに矛盾する予測を罰する訓練を受けている。
GPT-5の37.7%の勝利率に比べて60.8%の勝利率を達成した。
論文 参考訳（メタデータ） (2025-10-13T13:36:32Z) - DocAgent: A Multi-Agent System for Automated Code Documentation Generation [7.653779364214401]
本稿では、トポロジ的コード処理によるインクリメンタルコンテキスト構築のための新しいマルチエージェント協調システムDocAgentを紹介する。
特殊なエージェント(Reader、Searcher、Writer、Verifier、Orchestrator)が共同でドキュメントを生成する。
また, 完全性, ヘルプ性, 真実性を評価する多面的評価フレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-11T17:50:08Z) - Supporting Software Maintenance with Dynamically Generated Document Hierarchies [41.407915858583344]
HGENは、ソースコードを6つのステージで変換し、構造化された文書の階層構造に変換する、完全に自動化されたパイプラインである。
我々はHGENを定量的にも質的にも評価した。
その結果,HGENは手作業で構築したドキュメントに類似したアーティファクト階層を生成し,コアコンセプトをベースラインアプローチよりもはるかに高いカバレッジで実現していることがわかった。
論文 参考訳（メタデータ） (2024-08-11T17:11:14Z)
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。