LLM 作为代码生成器在敏捷模型驱动开发中的应用-计算机科学-机器学习-模型驱动开发-代码生成.pdf

PREPRINT:Thisisapreprintofthefollowingpaper,acceptedbySpringerforpublicationinthe

CommunicationsinComputerandInformationScience(CCIS)series.

.LLM作为代码生成器在敏捷模型驱动开发中的应用

AhmedR.Sadik,SebastianBrulin,

andMarkusOlhofer

HondaResearchInstituteEurope,Carl-Legien-Strasse30,OffenbachamMain,

Germany

{ahmed.sadik,sebastian.brulin,markus.olhofer}@honda-ri.de

摘要利用大型语言模型（如GPT-4）进行代码自动生成代表了显著的进

步，但这并非没有挑战。软件自然语言描述中的模糊性对生成可部署的结

构化工件构成了重大障碍。本研究倡导以模型驱动开发（MDD）作为克服

这些挑战的一种可行策略，并提出了一种敏捷模型驱动开发（AMDD）方

本法，该方法使用GPT-4作为代码生成器。这种方法提高了代码自动生成过

程的灵活性和可扩展性，并提供了能够无缝适应模型或部署环境变化的敏

译捷性。我们通过使用统一建模语言（UML）对多代理无人驾驶车队系统进

中行建模来说明这一点，通过整合对象约束语言（OCL）用于代码结构元建

2模以及FIPA本体语言用于通信语义元建模，显著减少了模型模糊性。应

v用GPT-4的自动生成功能生成了与JADE和PADE框架分别兼容的Java

9和Python代码。我们对自动生成代码进行了彻底评估，验证了其与预期

8

4行为的一致性，并发现了代理交互方面的改进。结构上，我们将仅受OCL

8元模型约束的模型衍生出的代码复杂度，与同时受到OCL和FIPA-本体

1

.元模型影响的模型进行对比评估。结果显示，受本体重构约束的元模型生

0

1成了内在更复杂的代码，但其圈复杂度仍保持在可控范围内，表明可以整

4合额外的元模型约束而不超出高风险复杂性阈值。

2

:

vKeywords:模型驱动开发·GPT-4代码生成·多代理本体论·对象

i

x约束语言·圆形复杂度。

r

a

1介绍

在人工智能时代，随着在多样化的代码库上训练的大型语言模型（LLMs）

的出现，为模型驱动开发（MDD）带来了新的创新机会。MDD旨在提高软

件工程实践的效率和持久性。相应地，本研究扩展了我们在[16]中的研究，

以增强敏捷模型驱动开发（AMDD）。我们的方法利用现有的大型语言模型，

如GPT-4，自动生成部署就绪的软件工件[17]。我们的