.png){kind=icon}
返回
RefactorGPT: a ChatGPT-based multi-agent framework for automated code refactoring
.png){kind=icon}
PRE
AI
DOI：10.7717/peerj-cs.3257.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大型语言模型的兴起重新定义了代码生成在计算上可行性的范畴，但其在系统性软件重构方面的潜力在很大程度上仍未得到发掘。本文介绍了RefactorGPT，一种基于ChatGPT增强的序列化多智能体框架，该框架将重构从单一、不透明的流程转变为模块化、可解释且可扩展的工作流。该系统协调四个专业智能体——Analyzer（分析器）、Refactor（重构器）、Refine（优化器）和Fixer（修复器），以顺序分析源代码、应用结构性重构、提升代码质量，并从潜在生成错误中恢复。与传统的基于规则的工具或单次大型语言模型（LLM）提示不同，RefactorGPT通过在明确划分的责任范围内迭代利用ChatGPT，实现了具有功能保证的受控重构。为评估该框架的有效性，我们构建了一个精选数据集，涵盖三个复杂度水平下的九种经典重构技术。RefactorGPT在代码模块化、可读性和结构分解方面均表现出持续改进，同时保持了计算效率。值得注意的是，该系统通过自主错误恢复实现了完全执行正确性，展示了其在实际场景中的鲁棒性。本研究为基于LLM的重构系统提供了可复用的蓝图，并展示了ChatGPT的一种新颖应用——不仅作为代码生成器，而是作为智能软件重构中的协同智能体。研究发现揭示了一条前进道路，将语言模型嵌入实际开发工作流中，并非作为助手，而是作为代码演化的协作者。
Keyword:
ChatGPT
Code refactoring
Multi-agent systems
Software automation
期刊
IF:
2.5
论文数:
3.4K
被引数:
6.9K
机构
引用论文
Refining ChatGPT-Generated Code: Characterizing and Mitigating Code Quality Issues精炼ChatGPT生成的代码: 描述和缓解代码质量问题
OAAI
OAAI分享收藏LLM-Driven Social Influence for Cooperative Behavior in Multi-Agent SystemsLLM驱动的多智能体系统合作行为的社会影响.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容