日期 2025/12/04
2025 CCF中國軟件大會“智能化研發(fā)智能體技術(shù)”論壇于11月28日上午在中國軟件大會會場（武漢國際會議中心二樓荊沁廳205）成功召開！本次論壇由來自華為云數(shù)字化平臺技術(shù)創(chuàng)新Lab的王千祥、梁廣泰、邊攀等專家及視界引擎CTO申博聯(lián)合發(fā)起組織。該論壇邀請了業(yè)界知名專家天津大學(xué)陳俊潔教授、北京航空航天大學(xué)高祥副教授、中山大學(xué)王焱林助理教授、中國科學(xué)院軟件研究所孫澤宇副研究員、華為邊攀博士作專題報告，并在最后組織了Panel討論研發(fā)智能體在企業(yè)落地面臨的挑戰(zhàn)及可能的研究方向。該論壇吸引了200多名來自全國全地的智能研發(fā)領(lǐng)域?qū)＜摇熒跋嚓P(guān)研究人員的廣泛參與與熱烈討論。
本次論壇專題報告環(huán)節(jié)由華為云數(shù)字化平臺技術(shù)創(chuàng)新Lab軟件安全團(tuán)隊(duì)Leader邊攀博士主持，包括致辭和5個專題報告。
會議開場時，華為云智能研發(fā)首席專家王千祥博士進(jìn)行了開場致辭，提出了對智能化研發(fā)智能體技術(shù)論壇的期望和指導(dǎo)建議：AI輔助的軟件研發(fā)，之前的重點(diǎn)是大模型，主要是AI領(lǐng)域做出的突破。隨著智能體時代的到來，重點(diǎn)將轉(zhuǎn)移到包含大模型的智能體系統(tǒng)，軟件工程領(lǐng)域應(yīng)該在這個階段做出突破性的貢獻(xiàn)，尤其是軟件研發(fā)智能體。
正式報告后，天津大學(xué)陳俊潔教授首先圍繞“基于需求對齊的大模型代碼生成技術(shù)”進(jìn)行了精彩報告。陳教授指出，需求描述是代碼生成的起點(diǎn)，LLM對需求的語義把握、意圖識別與細(xì)節(jié)理解，將直接決定生成代碼的正確性和實(shí)用性。報告中展示了當(dāng)前LLM在處理需求歧義、上下文缺失或語義偏差等問題時，往往容易生成偏離預(yù)期的代碼結(jié)果。針對這些挑戰(zhàn)，陳教授系統(tǒng)闡述了從“需求對齊”角度提升代碼生成質(zhì)量的技術(shù)路徑，包括需求解析、語義映射、對齊反饋機(jī)制。他強(qiáng)調(diào)，通過讓模型的理解與人類需求保持一致，可以顯著增強(qiáng)代碼生成的可控性與可靠性，為未來智能軟件開發(fā)奠定更加堅(jiān)實(shí)的基礎(chǔ)。
之后，北京航空航天大學(xué)高祥老師圍繞“代碼屬性驅(qū)動的智能化研發(fā)”進(jìn)行了精彩報告。報告中指出：當(dāng)前基于大語言模型的智能軟件工程方法因依賴自然語言交互，其模糊性難以滿足程序語義的精確性要求，導(dǎo)致生成代碼在邏輯與語義上存在不足。為此，研究提出了“代碼屬性驅(qū)動的智能化軟件研發(fā)”路徑，通過系統(tǒng)性地將代碼中的結(jié)構(gòu)化語義屬性（如數(shù)據(jù)類型、接口規(guī)約、程序不變式等）引入模型的推理與生成過程，為模型提供精確語義引導(dǎo)，從而橋接高層設(shè)計(jì)意圖與底層實(shí)現(xiàn)。該方法已在三個關(guān)鍵任務(wù)上取得進(jìn)展：在測試生成中，通過匹配代碼屬性檢索相關(guān)測試用例以提升代碼覆蓋率；在漏洞檢測中，利用屬性表征語義檢索上下文以輔助精準(zhǔn)識別缺陷；在代碼生成中，則以屬性為約束增強(qiáng)正確性。這一研究方向通過深度利用代碼屬性，顯著提升模型對程序語義的理解能力，旨在推動智能研發(fā)工具向更可靠、更強(qiáng)泛化的新階段演進(jìn)，為軟件工程與人工智能的深度融合開辟新的技術(shù)路徑。
接著中山大學(xué)王焱林老師以“淺談工程級代碼生成、翻譯與問題解決”為題，聚焦與智能體時代軟件工程領(lǐng)域中代碼相關(guān)的關(guān)鍵應(yīng)用，深入探討了倉庫級代碼生成、翻譯與問題解決的前沿研究與實(shí)踐工作。在代碼生成方面，分析智能體如何依據(jù)需求精準(zhǔn)、高效地生成高質(zhì)量代碼。對于代碼翻譯，討論倉庫級代碼翻譯的挑戰(zhàn)、整倉庫評測集構(gòu)建、以及基于智能體的倉庫級代碼翻譯。針對問題解決，提出多語言、多模態(tài)評測集OmniGIRL。最后，對智能體在軟工尤其是工程級代碼任務(wù)中的應(yīng)用進(jìn)行總結(jié)和展望：? 環(huán)境構(gòu)建可能是LLM用到軟工的一大阻礙 ? LLM還不太擅長自主搜集倉庫里有用的信息 ? 需要更好地構(gòu)建軟工數(shù)據(jù) ? 即插即用的、通用點(diǎn)的更方便轉(zhuǎn)化落地。
然后中國科學(xué)院軟件研究所孫澤宇老師的報告圍繞 “自動化提升代碼生成效果的提示優(yōu)化方法”展開，旨在解決當(dāng)前大語言模型在代碼生成任務(wù)中對高質(zhì)量 Prompt 依賴度高、人工 Prompt 難以穩(wěn)定滿足規(guī)范化需求等問題。主講人首先指出，傳統(tǒng)人工構(gòu)造的提示詞往往無法兼顧模型偏好與代碼質(zhì)量要求，在真實(shí)軟件工程場景中易導(dǎo)致生成結(jié)果不穩(wěn)定、風(fēng)格不統(tǒng)一或效果欠佳。因此，一個能夠自動生成、自動優(yōu)化 Prompt 的框架十分必要。為此，報告提出了 Prochemy——一種面向代碼生成的自動化 Prompt 優(yōu)化方法。該方法具備“自動化”“可兼容”兩大目標(biāo)。Prochemy 通過從零樣本 Prompt 起步，利用任務(wù)數(shù)據(jù)生成訓(xùn)練樣本，并在此基礎(chǔ)上進(jìn)行迭代優(yōu)化，包括 Prompt 變異、結(jié)果評估、加權(quán)打分以及優(yōu)勝選擇等步驟，使模型能在多輪反饋中逐漸獲得最優(yōu)的提示詞配置。實(shí)驗(yàn)方面，項(xiàng)目在 HumanEval、MBPP、LiveCodeBench 以及 CodeNet 等多個主流代碼生成與翻譯數(shù)據(jù)集上進(jìn)行了系統(tǒng)測試，覆蓋 GPT-3.5、GPT-4o、Claude、DeepSeek 等多種 LLM。對比基線包括 APE、OPRO 等單輪優(yōu)化方法，以及 AgentCoder、CodeCoT 等多輪自協(xié)作方法。結(jié)果表明，Prochemy 在主流基準(zhǔn)測試上實(shí)現(xiàn)了平均 4%-8% 的性能提升，驗(yàn)證了其在不同模型與任務(wù)上的普適性與有效性。此外，報告進(jìn)一步展示了 Prochemy 在推理類模型（如 o1-mini）上的表現(xiàn)，證明其在復(fù)雜推理需求下仍具有改進(jìn)能力。
最后報告中，華為云數(shù)字化平臺技術(shù)創(chuàng)新Lab 邊攀博士分享了華為云“項(xiàng)目級智能化軟件研發(fā)智能體技術(shù)實(shí)踐”。在技術(shù)架構(gòu)層面，項(xiàng)目級研發(fā)智能體（DevAgent）整合代碼倉理解、知識圖譜、經(jīng)驗(yàn)復(fù)用、工具鏈集成等底層能力，形成“模型+工具+知識+環(huán)境”四維支撐。通過“語義知識+檢索+生成”技術(shù)路徑，智能體可自主完成需求解析、代碼編寫、測試驗(yàn)證、缺陷修復(fù)全流程，實(shí)現(xiàn)從單任務(wù)輔助到項(xiàng)目級全流程自主研發(fā)的跨越。目前部分技術(shù)成果已落地驗(yàn)證，基于領(lǐng)域知識的代碼生成技術(shù)大幅提升客戶側(cè)前端代碼生成準(zhǔn)確率及采納率；面向靜態(tài)告警的修復(fù)智能體在實(shí)際項(xiàng)目中準(zhǔn)確率超85%，自動修復(fù)300萬+告警，極大提升告警修復(fù)效率；測試工具在智能體加持下生成的單元測試用例的可編譯率得到大幅提升，獲得行業(yè)最高評級，有效支撐多行業(yè)項(xiàng)目高效交付。
本次論壇還設(shè)置了Panel環(huán)節(jié)，由華為云數(shù)字化平臺技術(shù)創(chuàng)新Lab主任梁廣泰博士（左一）主持。參與嘉賓有中國科學(xué)院軟件研究所孫澤宇副研究員（左二）、華為云數(shù)字化平臺技術(shù)創(chuàng)新Lab邊攀博士（左三）、華為云智能研發(fā)首席專家王千祥（右三）、北京航空航天大學(xué)高祥副教授（右二）、天工開物開源基金會執(zhí)行副秘書長莊表偉（右一）。嘉賓們圍繞研發(fā)智能體的重要性及影響、如何實(shí)現(xiàn)工業(yè)級規(guī)?；茝V與應(yīng)用、對未來校企合作形式的期望等進(jìn)行了深入研討。
論壇總結(jié)
隨著大語言模型的應(yīng)用越來越廣泛，傳統(tǒng)的軟件開發(fā)范式正在經(jīng)歷深刻變革。AI 不再僅僅是應(yīng)用中的一個功能模塊，而是正在成為驅(qū)動整個開發(fā)生命周期的核心引擎。本次技術(shù)論壇聚焦智能化開發(fā)的核心——研發(fā)智能體，深入探討如何在開發(fā)過程中更好地利用和集成大語言模型能力，構(gòu)建新一代智能化軟件及其開發(fā)工具鏈和方法論。圍繞研發(fā)智能體方向，本次論壇邀請到了業(yè)界知名的研究學(xué)者共聚一堂，為現(xiàn)場200多名觀眾全面系統(tǒng)介紹了當(dāng)前研發(fā)智能體領(lǐng)域最新的技術(shù)研究與實(shí)踐，進(jìn)一步提高了智能開發(fā)從業(yè)者的研究熱情與動機(jī)，相信會進(jìn)一步助推該領(lǐng)域國內(nèi)相關(guān)研究團(tuán)隊(duì)間的交流與協(xié)作。