Generasi Kode Multi-Agen Kolaboratif dan Pemfaktoran Ulang Berbasis Pengujian dalam Rekayasa Perangkat Lunak Otonom
Mitigasi Pergeseran Semantik, Kesalahan Eksekusi Perkakas, dan Kaskade Halusinasi melalui Konsensus Iteratif Berperan Khusus
Abstrak
Rekayasa perangkat lunak terotomatisasi berbasis model bahasa besar (LLM) telah berevolusi dari sekadar pelengkapan potongan kode menjadi modifikasi repositori secara otonom dari ujung ke ujung. Namun, arsitektur agen tunggal rentan mengalami penumpukan kesalahan: pergeseran semantik sepanjang rencana multitahap, halusinasi perkakas yang tidak terverifikasi, serta efek samping berbahaya pada basis kode kompleks. Penelitian ini menginvestigasi efektivitas arsitektur multi-agen kolaboratif dalam pemfaktoran ulang kode dan penyelesaian bug secara mandiri. Kami merancang alur orkestrasi tiga agen berperan khusus: Agen Arsitek (dekomposisi tugas dan kontrak kerja), Agen Pemrogram (pembangkitan patch terisolasi), dan Agen Auditor Berbasis Pengujian (sintesis unit test dan analisis statis otomatis). Evaluasi terhadap 14 tugas rekayasa non-sepele—mencakup migrasi kerangka kerja reaktif, optimasi basis data, dan endpoint API aman—menunjukkan tingkat kelolosan verifikasi awal (Pass@1) mencapai 85,7%, melampaui agen tunggal monolitik yang hanya meraih 57,1%. Agen auditor berhasil mencegah 100% regresi sintaksis dan mutasi skema berbahaya sebelum diterapkan. Temuan ini menegaskan bahwa konsensus iteratif dan pemisahan peran yang tegas jauh lebih unggul dibandingkan prompting monolitik, memberikan paradigma verifikasi yang kokoh bagi otomasi perangkat lunak berkategori kritis.
Referensi
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
This work is licensed under a Creative Commons Attribution 4.0 International (CC BY 4.0) license.