自动化代码生成中解决上下文限制的方法

1

博主点评：AI的功能日益强大，特别是在自动化代码生成方面。但由于存在上下文限制，自动化代码难以处理复杂项目。本篇文章集合多个ai组件进行验证，创新性提出了上下文工作流程，让自动化代码生成更加高效、便捷，也更加符合用户需求。

论文标题：

Context Engineering for Multi-Agent LLM Code Assistants Using Elicit, NotebookLM, ChatGPT, and Claude Code

发表日期：2025-08-09

摘要：大型语言模型（LLMs）在自动化代码生成和软件工程任务方面显示出潜力，但它们往往由于上下文限制和知识空白而难以处理复杂的、多文件项目。我们提出了一种新颖的上下文工程工作流程，结合多个AI组件：意图翻译器（GPT-5）用于澄清用户需求，基于Elicit的语义文献检索用于注入领域知识，基于NotebookLM的文档合成用于上下文理解，以及Claude Code多代理系统用于代码生成和验证。我们的集成方法利用了意图澄清、检索增强生成和通过Claude的代理框架协调的专业子代理。我们证明了这种方法显著提高了代码辅助工具在实际仓库中的准确性和可靠性，实现了更高的单次成功率，并比基线单代理方法更好地遵循项目上下文。对大量Next.js代码库进行的定性结果显示，多代理系统能够有效地规划和测试复杂功能，几乎不需要人为干预。我们将我们的系统与最近提出的框架如CodePlan、MASAI和HyperAgent进行比较，突出了目标上下文注入和代理角色分解如何实现最佳性能。最后，我们讨论了在生产环境中部署基于LLM的编码助手的含义，以及关于上下文管理和未来研究方向的经验教训。

论文地址：https://arxiv.org/pdf/2508.08322