Large Language Model-Based Agents for Software Engineering: A Survey

最近大型语言模型（LLMs）的进展塑造了一种新的人工智能代理范式，即基于LLM的代理。与独立的LLMs相比，基于LLM的代理通过增强LLMs的感知和利用外部资源和工具的能力，大大扩展了LLMs的通用性和专业性。迄今为止，基于LLM的代理已经应用于软件工程（SE）并显示出显著的效果。多个代理之间的协同作用和人类互动进一步增强了解决复杂实际SE问题的潜力。在本文中，我们对基于LLM的SE代理进行了全面系统的调查。我们收集了106篇论文，并从SE和代理两个角度进行分类。此外，我们还讨论了这个重要领域的开放性挑战和未来方向。这个调查的存储库位于https://github.com/FudanSELab/Agent4SE-Paper-List。

本论文旨在介绍基于大型语言模型的代理人在软件工程领域的应用，探讨多个代理人和人类交互的协同作用，以解决复杂的软件工程问题。

通过将大型语言模型与外部资源和工具相结合，将LLM扩展为基于代理人的LLM，以提高LLM的多功能性和专业知识。文章对106篇论文进行了分类和综述，并讨论了这个重要领域的未来方向和挑战。

本文介绍了基于大型语言模型的代理人在软件工程领域的应用，并讨论了多个代理人和人类交互的协同作用。文章提到了一些开源工具和数据集，并指出了未来研究的方向和挑战。

在该领域的相关研究包括：1. “DeepCodeSearch: A Graph-Based Code Search Engine for Large-Scale Code Repositories” 2. “CodeBERT: A Pre-Trained Model for Programming and Natural Language Processing” 3. “Learning to Represent Edits”等。