©作者|玄同

来源|神州问学

在软件开发领域，由于用户提供的原始需求往往存在不完整性，软件功能在实际开发中可能难以全面实现。这一问题严重影响了开发效率和成果质量，尤其在用户需求模糊或缺乏专业技术背景时更为显著。随着大模型和智能体的快速发展，基于用户需求自动生成软件的研究逐渐成为焦点。通过结合深度学习技术和生成式人工智能，研究人员希望缩短开发周期、降低开发成本。然而，目前市面上的大多数软件开发助手仍采用传统的瀑布模型进行需求扩展，这种线性、单向的开发流程在应对复杂和动态需求时表现出诸多局限性，例如需求难以迭代完善，错误易于传播累积等等。

AgileGen的诞生

为了克服上述挑战，天津大学提出敏捷软件开发了一种全新框架——AgileGen，这是一种融合敏捷开发理念和人机协作的生成式软件开发框架。AgileGen通过与大语言模型的高效协作，重新定义了需求捕获、分析和代码生成的流程。与传统的提问式智能体（如GPT-Engineer或GPT-Pilot）不同，AgileGen以创新的人机协作模式为核心。框架设计让用户专注于其擅长的高层决策环节，例如需求澄清与验收，而复杂的技术任务则由大语言模型负责完成。这样的协作模式不仅弥补了用户在技术理解上的短板，还利用人工智能的高效计算能力推动开发进程。

AgileGen解决的问题

与传统的软件开发模式相比，AgileGen通过轻量级的迭代反馈和用户参与设计流程，极大地减少了需求模糊性和开发偏差。它通过引入行为驱动开发（Behavior-Driven Development, BDD）的Gherkin语言，将用户需求转化为可测试的场景描述，并以此为基础生成代码。

其核心组件包括：

1.  场景设计模块：将用户需求转化为具体的Gherkin场景，用于定义接受标准。

2.  快速原型设计模块：根据Gherkin场景生成代码原型，并通过用户反馈进行优化。

3.  记忆池机制：存储用户决策和需求历史，为未来类似需求提供参考。

AgileGen 概览图

AgileGen的创新点

AgileGen框架的关键创新点在于引入了行为驱动开发（Behavior-Driven Development, BDD）的核心语言Gherkin。这种语言可将用户的自然语言需求转化为明确、可测试的场景描述，通过定义验收标准，确保生成的软件产品能够与用户期望一致。更重要的是，AgileGen通过记忆池机制提升了用户场景的可靠性和开发效率。记忆池存储了先前用户的决策场景，并在新用户输入类似需求时，提供匹配的参考场景。通过这种方式，AgileGen不仅实现了需求的动态优化，还构建了一个可持续进化的用户协作生态。AgileGen的创新点，总结下来有几个方面：

1.  人机协作的新模式

AgileGen强调人与机器分工的模式：用户负责需求描述和最终验收，AI专注于技术实现。这种模式融合了人类的创造力和AI的计算能力，减少了沟通成本，提升了开发效率。

2.  Gherkin语言的应用

通过引入BDD中的Gherkin语言，AgileGen实现了从自然语言需求到可执行代码的语义一致性转换。用户无需掌握专业技术即可通过交互桥轻松定义和调整需求。

3.  记忆池驱动的迭代优化

AgileGen的记忆池记录了先前用户的需求和决策，新的用户可以基于历史决策快速获取可靠的场景描述，从而不断提升场景设计的精确性和一致性。

4.  一致性因子确保功能实现

AgileGen通过生成基于Gherkin场景的测试用例（一致性因子），确保生成的代码逻辑与业务需求一致，减少了大模型生成代码时功能偏差的风险。

辅助最终用户决策的 AgileGen 交互界面

 AgileGen的使用案例

论文中提到了一些通过AgileGen框架开发的案例，这些案例展示了AgileGen在不同应用场景中的实际能力和优势。从新闻分析、视频编辑到虚拟运动场定制和交互式音频平台，AgileGen都表现出优于传统方法的功能实现和用户体验。

1.  NewsMeter

NewsMeter 是一款用于评估新闻可信度的应用程序。它通过分析多种因素（如新闻来源、语言使用和关联数据）生成新闻的可信度评分，并提供支持评分的具体证据。

根据用户输入的简单需求描述，AgileGen生成初始的功能模块，例如评分显示界面和证据列举。通过场景决策模块（Gherkin语言场景）为用户提供多个可能的实现方案，用户确认后生成代码。利用快速原型设计模块迭代优化界面和功能，并根据用户反馈修正代码。

AgileGen帮助用户快速生成系统原型，用户可以通过迭代调整功能和界面。

2.  VideoClipper

VideoClipper 是一款提供视频剪辑和修整功能的软件。用户可以通过直观的界面选择视频的特定片段，并将裁剪后的视频保存为新文件。在初始需求描述阶段，AgileGen生成了视频裁剪的核心功能，包括剪辑片段选择和保存功能。通过Gherkin语言生成场景描述，快速原型设计模块自动创建交互界面（如时间轴、选择按钮）。在用户反馈基础上，迭代调整界面布局（如优化按钮位置、增加颜色选项）和功能（如支持多种视频格式）。

与传统生成式方法相比，AgileGen在交互性和界面设计上表现更优，例如更美观的UI设计和更友好的用户体验。

3.  SportArena

SportArena 是一款支持创建和定制虚拟运动场的软件，用户可以根据需求设计不同的场地布局和配置。基于用户的单行需求描述（“开发一个可定制虚拟运动场的应用程序”），AgileGen利用记忆池机制推荐了类似需求的场景作为参考，在场景设计模块中生成运动场的布局配置和自定义选项，例如场地大小调整、颜色切换。快速原型设计模块实现了初步代码，并通过用户验收和反馈迭代增强功能，如添加动态保存功能和导出设置。

AgileGen生成了功能更完善且支持GUI界面的应用程序，而传统方法往往只能生成无法交互的代码或功能不完整的界面。

4.  SoundBoard

SoundBoard 是一个互动性音频平台，显示带有文字的卡片并在用户点击时播放对应的声音。AgileGen通过场景设计模块生成了卡片布局和点击交互功能的核心代码，快速原型设计模块提供了初始UI设计，并通过一致性因子确保功能逻辑与需求描述一致，并根据用户反馈优化了卡片排列方式和音频加载速度。

AgileGen的交互桥功能帮助用户无需学习技术术语便能明确需求，最终生成的软件具备良好的用户体验和完整功能。

与其他方法的对比

论文中对比了AgileGen和现有方法（如AutoGPT、DemoGPT、MetaGPT、ChatDev等）的表现，尤其是对这些案例的功能实现程度和界面质量进行分析，结果表明：

1.  AgileGen生成的软件不仅在功能完整性上表现更优，还在用户界面设计和交互性上胜出。

2.  在SportArena和VideoClipper案例中，其他方法生成的代码往往缺乏GUI支持，或者界面功能存在缺陷，而AgileGen生成的应用程序功能齐全、界面友好

AgileGen与传统方法的效果对比图

探索性的结果

在性能表现上，AgileGen相比现有的最佳方法显示出显著提升。实验数据显示，其生成的软件在功能完整性和用户体验上表现优异，相较于传统方法性能提升了16.4%，并获得了超过80%的用户满意度。这一成果验证了AgileGen框架在人机协作和生成式开发领域的潜力，也为未来进一步探索AI辅助开发提供了重要启示。

AgileGen对AI软件开发的意义

1.  提升需求解析和实现效率

软件开发中，需求不完整性一直是重大挑战。AgileGen通过语义一致性转换和快速迭代机制，使需求解析更加精准，减少了需求-实现间的偏差。

2.  降低用户技术门槛

传统开发工具往往要求用户具备专业技能，而AgileGen利用自然语言交互和自动化场景生成，显著降低了开发门槛，使非技术用户也能轻松参与开发过程。

3.  增强用户满意度

实验表明，AgileGen生成的软件在功能和用户体验上均优于传统方法，用户满意度提升了16.4%。通过迭代反馈机制，AgileGen能够快速响应用户需求调整。

4.  为生成式软件开发设立新标准

AgileGen将敏捷开发方法和人机协作理念引入生成式软件开发，为未来AI辅助开发工具设立了创新标杆。

未来展望

可以说，AgileGen通过人机协作、行为驱动开发和敏捷迭代，为软件开发领域带来了革命性改变。它不仅降低了开发复杂性，还提高了开发效率和用户满意度。相信未来，AgileGen有望在更多领域实现广泛应用，标志着生成式软件开发迈入了一个新纪元。通过将用户的创造力与AI的执行力相结合，它不仅为开发者提供了高效可靠的工具，也为软件开发的未来开辟了更广阔的空间。

本文核心思想和配图来自以下论文：

论文题目：

Empowering Agile-Based Generative Software Development through Human-AI Teamwork

论文链接：

https://arxiv.org/abs/2407.15568