基于多智能体代码编排的可靠基础设施即代码生成
摘要
云原生基础设施的日益复杂使得 Infrastructure-as-Code (IaC) 成为实现可重复和可扩展部署的关键技术。虽然大型语言模型 (LLM) 在从自然语言提示生成 IaC 代码片段方面显示出前景，但其单一、单次生成方法常导致语法错误、政策违规和不可扩展的设计。在本文中，我们提出了 MACOG (Multi-Agent Code-Orchestrated Generation)，一种新型基于多智能体的 LLM 架构，用于 IaC 生成，该架构将任务分解为由专门智能体处理的模块化子任务：Architect (构架师)、Provider Harmonizer (提供商和谐器)、Engineer (工程师)、Reviewer (审阅员)、Security Prover (安全证明者)、Cost and Capacity Planner (成本与容量规划师)、DevOps 与 Memory Curator (记忆策士)。这些智能体通过共享黑板和有限状态编排层进行交互，协同生成 Terraform 配置，使其不仅在语法上有效，而且在政策上合规且在语义上连贯。为确保基础设施的正确性和治理，我们引入 Terraform Plan 进行执行验证，并使用 Open Policy Agent (OPA) 实现可定制的政策强制。我们使用 IaC-Eval 基准对 MACOG 进行评估，其中 MACOG 在所有模型中均为顶级增强，例如 GPT-5 从 54.90 提升至 74.02，Gemini-2.5 Pro 从 43.56 提升至 60.13，并在 BLEU、CodeBERTScore 和 LLM-judge 指标上实现同步提升。消融实验表明，受限解码和部署反馈至关重要：分别移除后，IaC-Eval 分别降至 64.89 和 56.93。
引用
@article{arxiv.2510.03902,
title = {Multi-Agent Code-Orchestrated Generation for Reliable Infrastructure-as-Code},
author = {Rana Nameer Hussain Khan and Dawood Wasif and Jin-Hee Cho and Ali Butt},
journal= {arXiv preprint arXiv:2510.03902},
year = {2025}
}