AIxiv專欄是機器之心釋出學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報導了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術交流與傳播。如果您有優秀的工作想要分享，歡迎投稿或者聯絡報導。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com
在人工智慧迅猛發展的今天，我們正站在軟體開發領域一次深刻變革的起點上。想象一下，只需一句簡單的需求描述，就能生成符合你期望的軟體。這不再是科幻小說中的情節，而是即將成為現實的創新技術。
而這一切的背後，正是我們即將介紹的 AgileGen— 一種基於人機協作的敏捷生成式軟體開發框架。
論文題目：Empowering Agile-Based Generative Software Development through Human-AI Teamwork
論文連結：https://arxiv.org/abs/2407.15568
github 連結：https://github.com/UGAIForge/AgileGen
Huggingface (試用)：https://huggingface.co/spaces/HarrisClover/AgileGen
目前，該論文已被 ACM TOSEM (CCF A) 錄用。
軟體開發的根本挑戰：需求的不完整性
著名的圖靈獎得主 Frederick P. Brooks 在他的經典論文”No Silver Bullet: Essence and Accidents of Software Engineering” 中指出：“軟體開發的本質困難在於對複雜概念結構的構思和理解，這主要涉及需求分析和設計。相比之下，使用程式語言來實現這些抽象的軟體實體只是偶然性的困難。” 也就是說，理解使用者需求，設計出滿足這些需求的系統架構和功能，是軟體開發中最核心、最具挑戰性的部分。
然而，在實際開發過程中，使用者往往難以完整、準確地描述他們的需求。這並非使用者的錯，而是因為他們可能缺乏專業的技術背景，或者對自己的需求也不是特別清晰。舉個例子，一位教師可能會提出：“我需要一個可以隨機點名的應用。” 但是，這樣的描述並未明確系統需要具備哪些具體功能，比如學生名單是否固定還是要動態新增刪除，是否需要考慮請假學生，介面應該如何設計，是否需要配合隨堂提問等。
現有生成式軟體開發的侷限性
隨著大型語言模型（LLM）的發展，許多人開始嘗試利用 AI 來自動生成程式碼。然而，現有的生成式軟體開發方法在處理不完整的需求時仍存在巨大挑戰：他們要麼過於依賴使用者的指導，要麼在沒有使用者參與的情況下自行決策，導致生成的程式碼與使用者的期望有較大偏差，也就是即使生成的軟體可以成功執行 (build software right)，也無法彌合使用者的期待 (build right software)。
AgileGen 的誕生：人機協作的新正規化
面對這些挑戰，我們提出了 AgileGen，一種基於人機協作的敏捷生成式軟體開發框架，旨在融合人類的創造力和 AI 大模型的生成能力，實現高效、準確的軟體生成。
1. 核心理念：發揮人類與 AI 各自的優勢
AgileGen 的核心理念是讓使用者和 AI 各自專注於自己擅長的領域。使用者負責提出需求和進行決策，AI 負責技術實現和程式碼生成。通俗的講就是人幹兩頭，AI 幹中間。透過這種人機協作的方式，我們能夠更精準地捕捉使用者的隱含需求，減少溝通成本。
圖 1：問題陳述圖。使用者不確定如何驅動代理生成所需的軟體，Agent 也不知道如何滿足使用者需求。我們在使用者和 Agent 之間建立了一座橋樑，促進了人類決策技能和 Agent 編碼能力之間的協作。這種協作建立了一個具有輕量級迭代反饋的生成式軟體開發代理。
2. 關鍵創新
我們的創新主要體現在以下三個方面：
人幹兩頭 AI 幹中間的人機協作方式
使用者在每次迭代的開始（場景決策）和結束（驗收與建議）參與進來，AI 則負責中間的技術實現。這樣既保留了使用者的控制權，又充分利用了 AI 的優勢，減少了錯誤的發生。
構建使用者和 Agent 之間的橋樑
我們首次將行為驅動開發（BDD） 引入生成式軟體開發中，使用 Gherkin 語言 將使用者的模糊需求轉化為清晰、可測試的場景描述，彌合了不完整需求與精確功能之間的差距。透過動態融入使用者的決策，我們確保了生成的軟體始終符合使用者的真實需求。
自我進化的 Agent 圖架構
我們設計了一個包含人類決策點的 Agent 圖，形成了一個有向迴圈的流程，便於迭代和擴充套件。引入了記憶池來收集使用者的決策結果，推薦給有類似需求的後續使用者，形成自我更新的迴圈。
AgileGen 核心元件設計介紹
圖 2 AgileGen 概括
1. 使用者需求和場景決策元件
- 使用者需求決策：使用者首先以自然語言描述自己的需求。這是使用者參與決策的第一步，決定了要生成的軟體目標。例如，使用者可能會輸入：“Please generate a web system with a random roll call function”
- 場景決策：AgileGen 會根據使用者的需求，從記憶池中匹配類似的需求和場景，為使用者提供參考。使用者可以對這些場景進行確認、新增、刪除或修改，從而迭代地澄清需求。這些決策將被記錄並儲存在記憶池中，供後續使用者參考並迴圈使用。
2. 場景設計元件
- 記憶池機制：儲存了大量先前使用者決策的場景描述，當新的需求輸入時，系統會從記憶池中匹配相似的需求，提供參考場景，提升場景設計的可靠性。隨著使用次數的增加，記憶池會不斷豐富，為使用者提供更精準的參考。
- 互動橋：為了讓使用者無需學習領域特定語言 Gherkin，系統設計了一個互動式橋樑，將 Gherkin 場景轉換為自然語言。使用者可以輕鬆理解這些場景，並進行相應的決策，降低了技術門檻。
3. 快速原型設計元件
- 視覺設計：系統根據使用者確認的 Gherkin 場景，自動生成頁面佈局和視覺描述，遵循八大成功的視覺設計原則，確保介面美觀、易用。
- 程式碼生成與一致性因子：透過生成一致性因子（測試用例），確保生成的程式碼與業務邏輯一致，減少功能偏差。
- 自動修改與迭代：系統能夠根據使用者的反饋，自動修改程式碼，實現快速迭代。
4. 使用者驗收與推薦反饋決策
- 使用者驗收決策：在原型生成後，AgileGen 為使用者提供一個程式碼執行連結，使用者可以直接體驗軟體的功能。如若滿意可以下載完整程式碼，部署到實際環境中。
- 使用者推薦反饋決策：透過對介面和功能的測試，使用者可以提出修改建議，如調整介面風格、新增新功能等。AgileGen 會根據使用者的反饋，自動修改程式碼，並提供新的原型供使用者驗收。這種迴圈持續進行，直到使用者滿意並完成軟體交付。
實戰案例：從想法到成品
讓我們回到之前的例子，看看 AgileGen 是如何將一個簡單的想法轉化為完整的軟體的。
步驟 1：提出需求
使用者輸入初始需求：“Please generate a web system with a random roll call function”
步驟 2：場景設計與確認
AgileGen 利用記憶池，從類似的需求中提取可能的場景，並以自然語言呈現給使用者：
使用者可以確認這些場景，或者進行修改。例如，使用者可能希望新增一個功能：“I need to be able to save the history of the roll call name.”
步驟 3：快速原型生成
AgileGen 根據使用者決策過的 Gherkin 場景，生成初步的程式碼和介面設計，包括頁面佈局、按鈕位置、顏色搭配等。
步驟 4：使用者反饋與迭代
使用者執行生成的原型，如果發現介面顏色不符合期望，或者按鈕位置需要調整。他可以在系統中提出這些問題，AgileGen 將根據反饋自動修改程式碼。
- 功能增加反饋：隨機點名時給我一些 python 相關的問題。
- 樣式修改反饋：我希望顏色能夠更豐富一些。
步驟 5：完成並交付
經過幾次迭代，使用者對功能和介面都滿意之後，下載完整的程式碼，部署到實際環境中。
- 更多示例和講解
影片連結：https://www.youtube.com/watch?v=lClwF7KN2xw
案例對比：與現有生成式軟體開發方法對比
1. 筆記本助理專案 (Bookkeeping Assistant)
使用者需求描述：I need a bookkeeping assistant website.
AgileGen+GPT3.5 和 AgileGen+GPT4 和 GPT-Engineer 能夠做到實現記賬功能。AgileGenAgileGen+GPT3.5 生成的功能更多，而 AgileGen+GPT4 生成了更簡潔的功能，以更合理的頁面佈局完成核心功能。ChatDev (_23 版本，_24 版本)、GPT3.5+CoT 和 GPT4+CoT 生成的頁面未完成簿記功能。相反，它們是常見網頁元素的組合（例如 “關於我們” 和 “聯絡我們”）。GPT4o+CoT 生成的頁面使用 Bootstrap 樣式表，但功能不完整無法記錄條目。
2. 運動場地預定軟體 (Sport Arena)
使用者需求描述：Develop a user-friendly software application that allows users to create and customize virtual sports arenas.（來源於 ChatDev’s SRDD 資料集）
AgileGen+GPT4 方法支援場地的建立、功能定製和配置管理，而 ChatDev+GPT-4 生成沒有 GUI 的應用程式，ChatDev+GPT-3.5 生成了兩個點選無響應的按鈕介面，標記為 “Create arena” 和 “Customize arena”。
3. 影片分割軟體 (Video Clipper)
使用者需求描述：VideoClipper is a software application that allows users to easily clip and trim videos. It provides an intuitive interface to select specific sections of the video, and saves the trimmed video as a new file.（來源於 ChatDev’s SRDD 資料集）
所有方法都生成了能夠完成影片剪輯的軟體，但 AgileGen 生成的介面體現了更好的介面設計和互動性。
展望未來：開啟軟體開發的新紀元
我們相信，AgileGen 的出現，將開啟軟體開發的新紀元。透過人機協作，充分發揮人類的創造力和 AI 的計算能力，軟體開發將變得更加高效、準確和個性化。正如 Frederick P. Brooks 所言，軟體開發的本質困難在於需求分析和設計。AgileGen 透過引入人機協作的敏捷開發理念，讓使用者深度參與需求的澄清和驗收，使得軟體真正滿足使用者的需求。
我們誠摯地邀請廣大開發者、企業和對軟體開發感興趣的朋友和學者，關注並參與 AgileGen 的未來發展。讓我們攜手共進，探索人機協作在軟體開發中的無限可能，開啟智慧軟體開發的新時代！