Un cadre de développement logiciel évolutif fondé sur les systèmes multi-agents de grands modèles de langage

L'émergence de grands modèles de langage (LLM) a récemment conduit au développement de systèmes multiagents. Cela a pour l'objectif à développer des systèmes intelligents qui peuvent effectuer des tâches complexes telles que les tâches de conception et développement logiciel. Cependant, les implémentations actuelles suivent une approche statique basée sur des modèles préétablis de processus de développement, qui s'appuient fortement sur des définitions de rôles et des catégorisations de tâches prédéfinies. Bien que cette approche statique basée sur les modèles prédéfinis soit efficace pour des tâches spécifiques, elle manque de flexibilité, d'autonomie et d'évolutivité pour s'adapter dynamiquement aux problèmes. Dans ce travail, nous posons la question suivante : comment les systèmes multiagents à base des LLM peuvent-ils générer et gérer dynamiquement des tâches spécifiques au sein des processus de développement logiciel? Nous avons défini cinq cas d'utilisation et exploité l'ensemble de données publiques PURE. Notre approche a consisté à analyser ces documents, à extraire les problématiques clés, et à concevoir une architecture de base sur « Méga-Agent ». En comparaison avec les travaux antérieurs, qui s'appuyaient sur cinq agents et neuf sous-tâches définis manuellement, notre méthodologie a abouti à la génération autonome de quatre agents, chacun jouant des rôles distincts, et contribuant à l'optimisation des processus de développement logiciel.