Принципи використання ШІ-агентів в побудові шаблонів програмних кодів

Автор(и)

DOI:

https://doi.org/10.18372/2073-4751.85.21089

Ключові слова:

ШІ-агенти, генерація програмного коду, шаблони програмного забезпечення, мультиагентні системи, автоматизація розробки ПЗ, DevOps інтеграція

Анотація

Стаття присвячена дослідженню принципів використання ШІ-агентів для побудови шаблонів програмного коду в умовах зростаючої складності сучасних програмних систем. Актуальність теми зумовлена обмеженнями традиційних підходів до генерації коду, такими як відсутність контекстної узгодженості, нестабільність результатів та недостатній рівень контролю якості. У роботі проаналізовано сучасні підходи до автоматизації програмування, включаючи шаблонні методи, нейромережеві моделі та великі мовні моделі (LLM), а також досліджено концепції мультиагентних систем у програмній інженерії. Запропоновано формалізацію задачі генерації шаблонів коду як відображення множини вимог, контексту та технологічного стеку у структурований шаблон програмного забезпечення. Розроблено концепцію багаторівневої агентної системи, яка включає агентів аналізу, планування, генерації, валідації та оптимізації, що взаємодіють у рамках ітеративного процесу. Сформульовано систему принципів побудови такої системи, зокрема принципи контекстної обізнаності, багаторівневої генерації, ітеративної валідації, модульності та інтеграції з DevOps. Запропоновано архітектуру системи та алгоритм її функціонування з урахуванням прямих, зворотних та контекстних потоків даних. Для оцінювання ефективності підходу розроблено формалізовану багатокритеріальну модель, що дозволяє здійснювати теоретичне порівняння з альтернативними рішеннями. Отримані результати можуть бути використані при створенні інтелектуальних систем підтримки програмування та автоматизації процесів розробки програмного забезпечення.

Посилання

Chen, M., Tworek, J., Jun, H., et al. Evaluating Large Language Models Trained on Code. arXiv preprint. DOI: https://doi.org/10.48550/arXiv.2107.03374

Nijkamp, E., Hayashi, H., Xie, C., et al. CodeGen: An Open Large Language Model for Code Generation. ACM Transactions on Machine Learning Research, 2023. DOI: https://doi.org/10.48550/arXiv.2203.13474

Li, Y., Wang, S., Wang, H., et al. Competition-Level Code Generation with AlphaCode. Science, 2022. DOI: https://doi.org/10.1126/science.abq1158

Rozière, B., Lachaux, M.-A., Chanussot, L., Lample, G. Code Llama: Open Foundation Models for Code. arXiv / Meta AI, 2023. DOI: https://doi.org/10.48550/arXiv.2308.12950

Austin, J., Odena, A., Nye, M., et al. Program Synthesis with Large Language Models. NeurIPS, 2023. DOI: https://doi.org/10.48550/arXiv.2108.07732

Zhang, F., Chen, X., Wan, Y., et al. CodeT5+: Open Code Large Language Models for Code Understanding and Generation. IEEE Transactions on Software Engineering, 2024. DOI: https://doi.org/10.48550/arXiv.2308.12950

Guo, D., Tang, D., Duan, N., et al. GraphCodeBERT: Pre-training Code Representations with Data Flow. ICLR / IEEE applications, використовується у 2023–2025. DOI: https://doi.org/10.48550/arXiv.2009.08366

Wang, Y., Wang, W., Joty, S., Hoi, S. CodeGeeX: A Pre-trained Model for Code Generation. KDD / ACM, 2023. DOI: https://doi.org/10.1145/3580305.3599790

Yin, P., Neubig, G. A Syntactic Neural Model for General-Purpose Code Generation. ACL / IEEE usage, актуалізовано в нових роботах. DOI: https://doi.org/10.18653/v1/P17-1041

Dong, Y., Chen, X., Wan, Y., et al. Coder Reviewer Reranking for Code Generation. ACL Findings, 2023. DOI: https://doi.org/10.18653/v1/2023.findings-acl.313

Xi, Z., Chen, W., Guo, X., et al. The Rise and Potential of Large Language Model Based Agents: A Survey. arXiv, 2023. DOI: https://doi.org/10.48550/arXiv.2309.07864

Wang, L., Ma, Y., Zhang, X., et al. A Survey on Large Language Model Based Autonomous Agents. Frontiers of Computer Science, 2024. DOI: https://doi.org/10.1007/s11704-024-3309-2

Park, J. S., O’Brien, J. C., Cai, C. J., et al. Generative Agents: Interactive Simulacra of Human Behavior. ACM UIST, 2023. DOI: https://doi.org/10.1145/3586183.3606763

Hong, S., Zhu, Y., Chen, X., et al. MetaGPT: Meta Programming for Multi-Agent Collaborative Framework. arXiv, 2023. DOI: https://doi.org/10.48550/arXiv.2308.00352

Qian, C., Cong, X., Yang, W., et al. Communicative Agents for Software Development. arXiv, 2023. DOI: https://doi.org/10.48550/arXiv.2307.07924

Pearce, H., Ahmad, B., Tan, B., et al. Asleep at the Keyboard? Assessing the Security of GitHub Copilot. IEEE Symposium on Security and Privacy, 2023. DOI: https://doi.org/10.1109/SP46215.2023.10179387

Vaithilingam, P., Zhang, T., Glassman, E. Expectation vs Reality: Evaluating AI Code Generation Tools. CHI Conference, 2023. DOI: https://doi.org/10.1145/3544548.3581382

Barke, S., James, M. B., Polikarpova, N. Grounded Copilot: How Programmers Interact with Code-Generating Models. OOPSLA / ACM, 2023. DOI: https://doi.org/10.1145/3586030

Sobania, D., Briesch, M., Hanna, C., et al. An Analysis of Code Generation by ChatGPT. IEEE Access, 2023. DOI: https://doi.org/10.1109/ACCESS.2023.3273868

Dakhel, A. M., Majdinasab, V., Nikanjam, A., et al. GitHub Copilot AI Pair Programmer: Asset or Liability? Journal of Systems and Software, 2023. DOI: https://doi.org/10.1016/j.jss.2023.111734

##submission.downloads##

Опубліковано

2026-04-28

Як цитувати

Артамонов, Є., Петренко, С., Жултинська, А., & Плотиця, С. (2026). Принципи використання ШІ-агентів в побудові шаблонів програмних кодів. Проблеми iнформатизацiї та управлiння, 1(85). https://doi.org/10.18372/2073-4751.85.21089

Номер

Том 1 № 85 (2026)

Розділ

Статті

Ліцензія

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Науковий журнал дотримується принципів відкритого доступу (Open Access) та забезпечує вільний, негайний і постійний доступ до всіх опублікованих матеріалів без фінансових, технічних або юридичних обмежень для читачів.

Усі статті публікуються у відкритому доступі відповідно до ліцензії Creative Commons Attribution 4.0 International (CC BY 4.0).

Авторські права

Автори, які публікують свої роботи в журналі:

  • зберігають за собою авторські права на свої публікації;

  • надають журналу право на перше опублікування статті;

  • погоджуються на поширення матеріалів за ліцензією CC BY 4.0;

  • мають право повторно використовувати, архівувати та поширювати свої роботи (у тому числі в інституційних та тематичних репозитаріях) за умови посилання на первинну публікацію в журналі.