[论文解读] Large Language Model-Based Agents for Software Engineering: A Survey

Junwei Liu, Kaixin Wang+5 more|arXiv (Cornell University)|Sep 4, 2024

Multi-Agent Systems and Negotiation被引用 13

一句话总结

对 106 篇关于将 LLM 基于的代理应用于软件工程的论文的全面综述，分析 SE 任务和代理架构，并讨论挑战和未来方向。

ABSTRACT

The recent advance in Large Language Models (LLMs) has shaped a new paradigm of AI agents, i.e., LLM-based agents. Compared to standalone LLMs, LLM-based agents substantially extend the versatility and expertise of LLMs by enhancing LLMs with the capabilities of perceiving and utilizing external resources and tools. To date, LLM-based agents have been applied and shown remarkable effectiveness in Software Engineering (SE). The synergy between multiple agents and human interaction brings further promise in tackling complex real-world SE problems. In this work, we present a comprehensive and systematic survey on LLM-based agents for SE. We collect 124 papers and categorize them from two perspectives, i.e., the SE and agent perspectives. In addition, we discuss open challenges and future directions in this critical domain. The repository of this survey is at https://github.com/FudanSELab/Agent4SE-Paper-List.

研究动机与目标

• 提供系统性概览，展示 LLM 基于的代理在软件工程任务和生命周期阶段中的应用。
• 分析代理组件（计划、记忆、感知、行动）以及它们如何支持 SE 任务。
• 研究在 SE 情境中的多代理系统和人–代理协作。
• 突出需要解决的挑战以及面向 SE 的 LLM 基于的代理未来研究方向。

提出的方法

• 使用关键词检索和雪球抽样，在设定的纳入/排除标准下收集 106 篇论文。
• 从 SE 和代理视角分析论文，涵盖从需求工程到端到端开发与维护的任务。
• 综合代理架构，包括计划、记忆、感知和行动，并讨论多代理协作与人机交互。
• 提供对现有工作的结构化综述，并提取研究机会与未来方向。

实验结果

研究问题

• RQ1 LLM 基于的代理如何在软件生命周期中针对不同的软件工程任务进行设计和应用？
• RQ2 在 SE 领域，LLM 基于的代理的常见架构组件和协作机制有哪些？
• RQ3 在软件工程中，LLM 基于的代理当前面临哪些挑战和开放的研究方向？

主要发现

• 共收集了 106 篇论文，大多数来源于 arXiv，在该领域迅速崛起。
• LLM 基于的代理通常用于代码生成和代码质量保证，一些工作涉及端到端开发或维护。
• 多代理系统和人–代理协作是解决复杂 SE 问题的常见主题。
• 代理组件——计划、记忆、感知和行动——被分析并与 SE 任务性能相关联。
• 已认识到独立的 LLM 与自主代理之间的差距；代理使得与外部工具和环境的交互更加高效。