CN117850860A - 一种软件工程智能体平台 - Google Patents
一种软件工程智能体平台 Download PDFInfo
- Publication number
- CN117850860A CN117850860A CN202410018249.9A CN202410018249A CN117850860A CN 117850860 A CN117850860 A CN 117850860A CN 202410018249 A CN202410018249 A CN 202410018249A CN 117850860 A CN117850860 A CN 117850860A
- Authority
- CN
- China
- Prior art keywords
- agent
- domain
- agents
- user
- tool
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013461 design Methods 0.000 claims abstract description 14
- 238000011161 development Methods 0.000 claims abstract description 13
- 238000012360 testing method Methods 0.000 claims abstract description 11
- 238000012423 maintenance Methods 0.000 claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims abstract description 6
- 239000003795 chemical substances by application Substances 0.000 claims description 193
- 238000007726 management method Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 11
- 230000008447 perception Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000003339 best practice Methods 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Landscapes
- Stored Programmes (AREA)
Abstract
本发明提供了一种软件工程智能体平台,属于软件工程技术领域,解决了现有技术缺乏个性化、自适应性且存在人为错误和缺陷、团队协作与沟通能力差的问题。该平台包括多个独立使用的智能体。其中,每一智能体根据该智能体角色的不同特点、工种进行个性化定制。并且,各智能体之间的数据共享,其中一个智能体作为管理员智能体,管理员智能体外的其他智能体作为领域智能体。管理员智能体,用于分配工作任务给领域智能体;以及,检查并评估领域智能体的执行输出;以及,根据评估结果中领域智能体的执行状态,实施调整执行计划。领域智能体,用于作为相应专业领域的智能体,负责执行不同方面的任务,包括产品设计、开发、测试、运维。
Description
技术领域
本发明涉及软件工程技术领域,尤其涉及一种软件工程智能体平台。
背景技术
在软件工程项目的开发过程中,通常会引入软件工程管理平台。
现有软件工程管理平台存在如下缺点:
1)缺乏个性化和自适应性。现有软件工程管理平台往往缺乏对不同项目需求的个性化和自适应性,这导致一些软件解决方案可能无法满足特定环境或需求。
2)人为错误和缺陷。在软件开发过程中,人为错误是一个常见问题。缺乏足够的自动化和智能化技术来检测和纠正这些错误,可能导致系统中存在漏洞和缺陷。
3)团队协作和沟通问题。大型软件工程项目涉及多个团队和利益相关者,团队之间的沟通和协作存在问题将导致信息共享不足、理解偏差或决策不一致等情况。
4)软件维护和演化。随着时间的推移,软件系统不断进行更新和维护,产生大量历史数据。通过人工方式的记录和积累,不足以有效应对软件演化和维护的挑战。
5)缺乏自动化和智能化。许多软件工程流程仍然依赖手动操作和传统方法,缺乏自动化和智能化。这可能限制了工程流程的效率和创新性。
发明内容
鉴于上述的分析,本发明实施例旨在提供一种软件工程智能体平台,用以解决现有技术缺乏个性化、自适应性且存在人为错误和缺陷、团队协作与沟通能力差的问题。
一方面,本发明实施例提供了一种软件工程智能体平台,包括多个独立使用的智能体;其中,
每一智能体根据该智能体角色的不同特点、工种进行个性化定制;并且,各智能体之间的数据共享,其中一个智能体作为管理员智能体,管理员智能体外的其他智能体作为领域智能体;
管理员智能体,用于分配工作任务给领域智能体;以及,检查并评估领域智能体的执行输出;以及,根据评估结果中领域智能体的执行状态,实施调整执行计划;
领域智能体,用于作为相应专业领域的智能体,负责执行不同方面的任务,包括产品设计、开发、测试、运维。
上述技术方案的有益效果如下:随着大语言模型技术的兴起,目前智能体具备了理解人类意图的能力,在软件工程领域引入智能体后可以为企业提供个性化的智能体平台,提升软件工程整体智能化水平。上述方案提出了一种包括多个独立使用的智能体的软件工程智能体平台。不同企业可根据自身需求和特点,创建适合自己工作流程的智能体,从而更好地满足其个性化要求。每位员工可以拥有与其角色相匹配的智能体。这些智能体针对不同角色和工作职能,能够提供个性化的支持和协助,为员工提供更精准的工作辅助。
基于上述装置的进一步改进,每一智能体均内置一个以上的语义理解模型,通过所述语义理解模型获取使用者对话的上下文信息,并查询与所述上下文信息匹配相关的知识库,以获得所需信息并显示;
每一智能体均具备相应的操作工具或可调用的API。
进一步,每一智能体内均集成了感知模块、记忆模块、规划模块和执行模块;其中,
感知模块,内置语义理解模型,用于对输入数据或使用者对话的上下文信息进行语义理解,提取所需信息,确认所述信息对应的操作或决策,发送至记忆模块以及与所需信息匹配的规划模块或执行模块;
记忆模块,内置存储模型,用于存储该智能体过去的输入数据、使用者对话的上下文信息、所需信息,以及所需信息对应的操作或决策;
规划模块,用于接收到感知模块发送的决策后,制定相应操作的执行计划,发送至执行模块;
执行模块,用于接收到感知模块发送的操作或规划模块发送的执行计划后,调用相应的操作工具或可调用的API,以执行所述操作或执行计划。
进一步,所述操作工具包括设计工具、开发工具、测试工具、运维工具、项目管理工具、代码管理工具、数据处理工具、流程管理工具、设计工具、文档工具、分析报表工具中的至少一个;并且,
每一智能体还内置图像处理模型、行业代码模型。
进一步,每一智能体内还集成了企业私有数据和领域知识的存储模块;其中,
企业私有数据包括企业代码、企业文档、企业报表;
领域知识包括用于软件工程的行业知识、最佳实践流程、标准流程。
进一步,每一智能体内还集成了基础设施和支撑系统;其中,
所述基础设施和支撑系统包括大型模型底座、数据库底座;大型模型底座内存储有支撑智能体学习和决策的大型模型;数据库底座内设有向量数据库、图数据库、对象存储数据库,用于存储智能体的知识体系。
进一步,所述基础设施和支撑系统还包括用户系统;其中,
用户系统,用于管理和控制使用者的访问、使用权限,并进行身份验证。
进一步,管理员智能体执行如下程序:
获取输入数据或使用者聊天数据;
通过其内置的语义理解模型对所述输入数据或使用者聊天数据进行处理,识别使用者意图,获得与使用者意图匹配的领域智能体;
向识别的领域智能体依次分配工作任务;
获取并检查每一领域智能体的执行输出;
通过该领域智能体的执行输出评估是该领域智能体否准确执行了使用者意图,若是,存储该输入数据或使用者聊天数据、使用者意图、每一领域智能体对应的操作或决策,否则,更换语义理解模型后返回执行所述通过其内置的语义理解模型识别使用者意图的步骤。
进一步,领域智能体执行如下步骤:
接收管理员智能体分配的工作任务;
识别所述工作任务的类型属于执行类任务还是问答类任务;
对于执行类任务,选取与所述工作任务匹配的操作工具,通过与操作者对话的方式补充执行所述工作任务需要的参数,然后使用所述操作工具完成所述工作任务;
对于问答类任务,通过知识问答对话的方式帮助使用者获取相应目标知识。
进一步,领域智能体包括产品智能体、开发智能体、测试智能体、运维智能体、设计智能体。
提供发明内容部分是为了以简化的形式来介绍对概念的选择,它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本发明的重要特征或必要特征,也无意限制本发明的范围。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施例中,相同的参考标号通常代表相同部件。
图1示出了实施例1中软件工程智能体平台的组成示意图;
图2示出了实施例2中软件工程智能体平台的业务流程示意图;
图3示出了实施例2中软件工程智能体平台的智能体与用户之间一次交流的执行情况示意图。
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的实施例,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
在本文中使用的术语“包括”及其变形表示开放性包括,即“包括但不限于”。除非特别申明,术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个此外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
实施例1
本发明的一个实施例,公开了一种软件工程智能体平台,如图1所示,包括多个独立使用的智能体。每一智能体相当于一个领域的专家,具体类型可根据实际工程进行设定。该软件工程智能体平台相当于一个多智能体系统,包含不同专业领域专家的团队。
其中,每一智能体根据该智能体角色的不同特点、工种进行个性化定制。并且,各智能体之间的数据共享。
为了有效管理这个团队,需要管理员。因此,如图1所示,设置其中一个智能体作为管理员智能体,管理员智能体外的其他智能体作为领域智能体(一个领域的专家)。多个智能体角色的参与,可实现多方协同合作。
管理员智能体(充当行动观察者的角色),用于分配工作任务给领域智能体;以及,检查并评估领域智能体的执行输出;以及,根据评估结果中领域智能体的执行状态,实施调整执行计划,并为智能体提供优化建议。
领域智能体,用于作为相应专业领域的智能体,负责执行不同方面的任务,包括产品设计、开发、测试、运维等。不同专业领域的领域智能体,负责系统不同方面的任务和功能。
软件工程智能体平台作为一种多智能体系统涉及到多个智能体之间的交互、协作和协商。这种系统性的互动让不同智能体能够共同合作,以实现更复杂的工作任务和项目。智能体之间可以实现信息共享。这种信息共享机制能够确保智能体之间的沟通畅通,以促进知识、经验和数据的有效传递与共享。
与现有技术相比,随着大语言模型技术的兴起,目前智能体具备了理解人类意图的能力,在软件工程领域引入智能体后可以为企业提供个性化的智能体平台,提升软件工程整体智能化水平。本实施例提出了一种包括多个独立使用的智能体的软件工程智能体平台。不同企业可根据自身需求和特点,创建适合自己工作流程的智能体,从而更好地满足其个性化要求。每位员工可以拥有与其角色相匹配的智能体。这些智能体针对不同角色和工作职能,能够提供个性化的支持和协助,为员工提供更精准的工作辅助。
实施例2
在实施例1的基础上进行改进,每一智能体均内置一个以上的语义理解模型,通过所述语义理解模型获取使用者对话的上下文信息,并查询与所述上下文信息匹配相关的知识库,以获得所需信息并显示。每一智能体由一个或多个大型模型支持智能体平台的运作。这些模型能够为智能体提供所需的背景支持和决策依据。智能体能够通过理解当前对话的意图,获取对话上下文信息,并据此匹配相关的知识库。这种知识管理机制为智能体提供了所需信息,以便更好地执行任务和决策。
优选地,每一智能体均具备相应的操作工具或可调用的API。这些工具和API可以被智能体使用,以完成特定任务或获得所需资源。
优选地,每一智能体均具备安全限制和原则设置模块。从安全角度对智能体的访问和操作进行了限制。这种限制和原则确保了智能体平台的安全性,并防止未经授权的访问或操作。
优选地,每一智能体内均集成了感知模块、记忆模块、规划模块和执行模块。
感知模块(具备感知能力),内置语义理解模型,用于对输入数据或使用者对话的上下文信息进行语义理解,提取所需信息,确认所述信息对应的操作或决策,发送至记忆模块以及与所需信息匹配的规划模块或执行模块。智能体需要具备感知环境和理解外部信息的能力。这种能力包括对输入数据、上下文的感知与理解,以便作出相应的反应和决策。可以通过计算机视觉、自然语言处理、声音识别等技术,帮助智能体感知和理解外部环境的信息。例如,使用深度学习和卷积神经网络进行图像识别,使用自然语言处理模型进行语义理解等。
记忆模块(具备记忆能力),内置存储模型,用于存储该智能体过去的输入数据、使用者对话的上下文信息、所需信息,以及所需信息对应的操作或决策。智能体需要具备记忆和学习的能力,能够存储和利用过去的经验、知识和数据。这种能力允许智能体从以往的情境中学习,并在类似情况下做出更优的决策。在技术实现上,可以通过知识表示方法如图神经网络、记忆网络、注意力机制等可帮助智能体存储和利用知识。
规划模块(具备规划能力),用于接收到感知模块发送的决策后,制定相应操作的执行计划,发送至执行模块。智能体需要能够规划未来行动和决策的能力。这种能力涉及制定合适的策略和计划,以实现预期目标,并在复杂情况下做出适当的决策。在技术实现上,可以利用强化学习算法来训练智能体制定适当的决策和行动策略。
执行模块(具备执行能力),用于接收到感知模块发送的操作或规划模块发送的执行计划后,调用相应的操作工具或可调用的API,以执行所述操作或执行计划。智能体通过调用外部工具,将计划付诸实践,并有效地执行各项任务和动作,以实现既定的目标。
优选地,所述操作工具包括设计工具、开发工具、测试工具、运维工具、项目管理工具、代码管理工具、数据处理工具、流程管理工具、设计工具、文档工具、分析报表工具中的至少一个。
优选地,每一智能体还内置图像处理模型、行业代码模型。
优选地,每一智能体内还集成了企业私有数据和领域知识的存储模块。其中,企业私有数据包括企业代码、企业文档、企业报表。领域知识包括用于软件工程的行业知识、最佳实践流程、标准流程。
优选地,每一智能体内还集成了基础设施和支撑系统。其中,所述基础设施和支撑系统包括大型模型底座、数据库底座、用户系统。
大型模型底座内存储有支撑智能体学习和决策的大型模型。
数据库底座内设有向量数据库、图数据库、对象存储数据库,用于存储智能体的知识体系。
用户系统,用于管理和控制使用者的访问、使用权限,并进行身份验证。
优选地,管理员智能体执行如下程序:
S1.获取输入数据或使用者聊天数据;
S2.通过其内置的语义理解模型对所述输入数据或使用者聊天数据进行处理,识别使用者意图,获得与使用者意图匹配的领域智能体;
S3.向识别的领域智能体依次分配工作任务;
S4.获取并检查每一领域智能体的执行输出;
S5.通过该领域智能体的执行输出评估是该领域智能体否准确执行了使用者意图,若是,存储该输入数据或使用者聊天数据、使用者意图、每一领域智能体对应的操作或决策,否则,更换语义理解模型后返回执行所述通过其内置的语义理解模型识别使用者意图的步骤。
优选地,领域智能体执行如下步骤:
S41.接收管理员智能体分配的工作任务;
S42.识别所述工作任务的类型属于执行类任务还是问答类任务;
S43.对于执行类任务,选取与所述工作任务匹配的操作工具,通过与操作者对话的方式补充执行所述工作任务需要的参数,然后使用所述操作工具完成所述工作任务;
S44.对于问答类任务,通过知识问答对话的方式帮助使用者获取相应目标知识。
优选地,领域智能体包括产品智能体、开发智能体、测试智能体、运维智能体、设计智能体。
实施时,如图2所示,该软件工程智能体平台的产品架构分4个层次:
第一层:智能体。包含各种智能体角色,负责感知、决策和执行特定任务。
第二层:工具集。软件工程流程中各个角色使用的工具,包括流程管理工具、文档工具、设计工具、开发工具、测试工具、运维工具、项目管理工具、代码管理工具、数据处理工具、分析报表工具等。
第三层:企业私有数据和领域知识。企业代码、文档、报表等私有数据,包括企业内部的代码库、文档资料和报表信息等。通用的软件工程领域知识:普遍适用于软件工程的行业知识、最佳实践和标准流程等。
第四层:基础设施和支撑系统。大型模型底座:支持智能体学习和决策的大型模型。数据库底座:包括向量数据库、图数据库、对象存储数据库等,用来存储智能体的知识体系。用户系统:管理和控制用户访问、权限和身份验证。
该软件工程智能体平台的业务流程参见图3所示。该业务流程图描述了智能体和用户之间一次交流的执行情况:
1.匹配智能体
管理员智能体通过语义理解技术识别用户的意图,切换到与用户意图匹配的领域智能体。
2.意图理解执行
领域智能体利用领域知识、企业知识和自己的工具集帮助用户达成目标。有两种执行方式:A.需要使用工具帮助用户达成目标,领域智能体根据用户意图选择相应的工具。通过与用户对话的方式补充执行需要的参数,然后执行工具。B.通过知识问答对话的方式帮助用户获取知识达成目标。
3.检查与评估
管理员智能体记录整个过程,评估领域智能体是否准确执行了用户意图。记录的数据可以做为智能体学习升级的知识。
值得注意的是,本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
与现有技术相比,本实施例提供的软件工程智能体平台具有如下有益效果:
1、个性化定制:该智能体平台具备定制能力,能够根据企业的特点和需求构建定制化的智能体。这种个性化特性使其能够更好地适应不同企业的工作流程和需求。
2、持续演进与自适应性:智能体平台具备自适应性,可以在使用过程中不断演进、学习,以适应不同项目和员工的变化需求。这种灵活性和持续进化的能力,使其能够与企业发展保持同步。
3、提升工作效率和精准性:智能体平台融合了对应角色属性的行业知识和企业智慧,为员工提供建议和指导,极大地提高了员工的工作效率和准确性。
4、加强团队协作与信息共享:通过中心化的知识库和个性化智能体的引导,弥补了信息共享不足和理解偏差的问题。这种平台能够促进团队协作,确保各种信息和经验得到高效共享。
5、降低人为错误和系统风险:智能体平台具备自动化和智能化能力,能够辅助检测、纠正人为错误和缺陷,有助于避免潜在的系统风险,提高软件的稳定性和质量。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对现有技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种软件工程智能体平台,其特征在于,包括多个独立使用的智能体;其中,
每一智能体根据该智能体角色的不同特点、工种进行个性化定制;并且,各智能体之间的数据共享,其中一个智能体作为管理员智能体,管理员智能体外的其他智能体作为领域智能体;
管理员智能体,用于分配工作任务给领域智能体;以及,检查并评估领域智能体的执行输出;以及,根据评估结果中领域智能体的执行状态,实施调整执行计划;
领域智能体,用于作为相应专业领域的智能体,负责执行不同方面的任务,包括产品设计、开发、测试、运维。
2.根据权利要求1所述的软件工程智能体平台,其特征在于,每一智能体均内置一个以上的语义理解模型,通过所述语义理解模型获取使用者对话的上下文信息,并查询与所述上下文信息匹配相关的知识库,以获得所需信息并显示;
每一智能体均具备相应的操作工具或可调用的API。
3.根据权利要求1或2所述的软件工程智能体平台,其特征在于,每一智能体内均集成了感知模块、记忆模块、规划模块和执行模块;其中,
感知模块,内置语义理解模型,用于对输入数据或使用者对话的上下文信息进行语义理解,提取所需信息,确认所述信息对应的操作或决策,发送至记忆模块以及与所需信息匹配的规划模块或执行模块;
记忆模块,内置存储模型,用于存储该智能体过去的输入数据、使用者对话的上下文信息、所需信息,以及所需信息对应的操作或决策;
规划模块,用于接收到感知模块发送的决策后,制定相应操作的执行计划,发送至执行模块;
执行模块,用于接收到感知模块发送的操作或规划模块发送的执行计划后,调用相应的操作工具或可调用的API,以执行所述操作或执行计划。
4.根据权利要求3所述的软件工程智能体平台,其特征在于,所述操作工具包括设计工具、开发工具、测试工具、运维工具、项目管理工具、代码管理工具、数据处理工具、流程管理工具、设计工具、文档工具、分析报表工具中的至少一个;并且,
每一智能体还内置图像处理模型、行业代码模型。
5.根据权利要求3所述的软件工程智能体平台,其特征在于,每一智能体内还集成了企业私有数据和领域知识的存储模块;其中,
企业私有数据包括企业代码、企业文档、企业报表;
领域知识包括用于软件工程的行业知识、最佳实践流程、标准流程。
6.根据权利要求4或5所述的软件工程智能体平台,其特征在于,每一智能体内还集成了基础设施和支撑系统;其中,
所述基础设施和支撑系统包括大型模型底座、数据库底座;大型模型底座内存储有支撑智能体学习和决策的大型模型;数据库底座内设有向量数据库、图数据库、对象存储数据库,用于存储智能体的知识体系。
7.根据权利要求6所述的软件工程智能体平台,其特征在于,所述基础设施和支撑系统还包括用户系统;其中,
用户系统,用于管理和控制使用者的访问、使用权限,并进行身份验证。
8.根据权利要求7所述的软件工程智能体平台,其特征在于,管理员智能体执行如下程序:
获取输入数据或使用者聊天数据;
通过其内置的语义理解模型对所述输入数据或使用者聊天数据进行处理,识别使用者意图,获得与使用者意图匹配的领域智能体;
向识别的领域智能体依次分配工作任务;
获取并检查每一领域智能体的执行输出;
通过该领域智能体的执行输出评估是该领域智能体否准确执行了使用者意图,若是,存储该输入数据或使用者聊天数据、使用者意图、每一领域智能体对应的操作或决策,否则,更换语义理解模型后返回执行所述通过其内置的语义理解模型识别使用者意图的步骤。
9.根据权利要求8所述的软件工程智能体平台,其特征在于,领域智能体执行如下步骤:
接收管理员智能体分配的工作任务;
识别所述工作任务的类型属于执行类任务还是问答类任务;
对于执行类任务,选取与所述工作任务匹配的操作工具,通过与操作者对话的方式补充执行所述工作任务需要的参数,然后使用所述操作工具完成所述工作任务;
对于问答类任务,通过知识问答对话的方式帮助使用者获取相应目标知识。
10.根据权利要求1、2、4、5、7、8、9任一项所述的软件工程智能体平台,其特征在于,领域智能体包括产品智能体、开发智能体、测试智能体、运维智能体、设计智能体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410018249.9A CN117850860A (zh) | 2024-01-05 | 2024-01-05 | 一种软件工程智能体平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410018249.9A CN117850860A (zh) | 2024-01-05 | 2024-01-05 | 一种软件工程智能体平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117850860A true CN117850860A (zh) | 2024-04-09 |
Family
ID=90528295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410018249.9A Pending CN117850860A (zh) | 2024-01-05 | 2024-01-05 | 一种软件工程智能体平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117850860A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115630710A (zh) * | 2022-11-16 | 2023-01-20 | 清华大学 | 基于自组织群组的多智能体强化学习方法 |
CN116775220A (zh) * | 2023-06-30 | 2023-09-19 | 南京希音电子商务有限公司 | 基于异步进程的分布式仿真优化方法、系统、设备及介质 |
-
2024
- 2024-01-05 CN CN202410018249.9A patent/CN117850860A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115630710A (zh) * | 2022-11-16 | 2023-01-20 | 清华大学 | 基于自组织群组的多智能体强化学习方法 |
CN116775220A (zh) * | 2023-06-30 | 2023-09-19 | 南京希音电子商务有限公司 | 基于异步进程的分布式仿真优化方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gökalp et al. | Digital transformation capability maturity model enabling the assessment of industrial manufacturers | |
MacDuffie | The road to “root cause”: Shop-floor problem-solving at three auto assembly plants | |
CN102982396B (zh) | 通用过程建模框架 | |
Bhattacharya et al. | A model-driven approach to industrializing discovery processes in pharmaceutical research | |
Fernández et al. | A case study on the application of an artefact-based requirements engineering approach | |
CN110852695A (zh) | 任务审批方法、装置、服务器及存储介质 | |
Mohagheghi et al. | An industry experience report on managing product quality requirements in a large organization | |
Zimmermann | An architectural decision modeling framework for service-oriented architecture design | |
Heimicke et al. | A framework for generating agile methods for product development | |
US20200356871A1 (en) | Declarative rule-based decision support system | |
Khanbabaei et al. | Developing an integrated framework for using data mining techniques and ontology concepts for process improvement | |
Lee et al. | Ai as “another i”: Journey map of working with artificial intelligence from ai-phobia to ai-preparedness | |
Threlkeld et al. | Reducing kidney discard with artificial intelligence decision support: the need for a transdisciplinary systems approach | |
Stocker et al. | Key success factors for the implementation of digital technologies in the context of Industry 4.0 | |
Gräßler et al. | Handling of explicit uncertainty in requirements change management | |
Colombari et al. | Leveraging Frontline Employees’ Knowledge for Operational Data-Driven Decision-Making: A Multilevel Perspective | |
CN117850860A (zh) | 一种软件工程智能体平台 | |
EP3834079A1 (en) | Multi-question multi-answer configuration | |
CN115394431A (zh) | 一种智慧医疗服务系统 | |
Dhatterwal et al. | Robotic process automation in healthcare | |
García-Mireles et al. | A framework to support software quality trade-offs from a process-based perspective | |
König et al. | Modelling production workflows in automotive manufacturing | |
Buckl et al. | A method to develop EA modeling languages using practice-proven solutions | |
Stenholm | Engineering Knowledge-Support for Effective Reuse of Experience-based Codified Knowledge in Incremental Product Development | |
US20230186162A1 (en) | System for engagement of human agents for decision-making in a dynamically changing environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |