基于大语言模型、检索增强生成与链律思考的多智能体入职助手
软件工程
2025-04-01 v1
摘要
软件工程中的有效入职至关重要，但由于技术快速演进，实际操作困难。传统方法如探索和研讨会耗费、耗时且在大型项目中很快过时。我们提出了 Onboarding Buddy 系统，利用大语言模型、检索增强生成和自动链律思考方法来提高入职效果。它集成了动态、特定于情境的支持，嵌入开发环境中，提供自然语言解释、代码见解和项目指导。我们的解决方案是基于智能体的，能够提供定制化的帮助，几乎无需人工干预。我们的研究结果显示，8 名参与者的平均帮助程度评分为 (M=3.26, SD=0.86)，入职便捷性为 (M=3.0, SD=0.96)，满意度满意。虽然类似 GitHub Copilot 等工具，但 Onboarding Buddy 独特之处在于将链律思考机制与检索增强生成相结合，专为动态入职情境量身定制。虽然我们的初始评估基于一个项目中的 8 名参与者，但我们将在公司范围内探索更大的团队和多个真实代码库，以Demonstrate更广泛的适用性。总体而言，Onboarding Buddy 在提高开发人员生产力和满意度方面具有巨大的潜力。我们的工具、源代码和演示视频均已公开可用。
引用
@article{arxiv.2503.23421,
title = {A Multi-agent Onboarding Assistant based on Large Language Models, Retrieval Augmented Generation, and Chain-of-Thought},
author = {Andrei Cristian Ionescu and Sergey Titov and Maliheh Izadi},
journal= {arXiv preprint arXiv:2503.23421},
year = {2025}
}
备注
Accepted in The ACM International Conference on the Foundations of Software Engineering (FSE 2025) - Demo Track