注册

Agent4Spec：多智能体框架自动校验并优化 API 规范

论文AI 评分 68/100arXiv cs.AI待复核
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

一篇投稿至 FLLM 主会软件工程方向的论文提出 Agent4Spec，用多智能体框架处理 API 规范。它包含两条流水线：一条检测并自我修正 OpenAPI 语法错误，另一条做竞品调研、找出与行业领先者的功能差距并自动生成缺失的接口功能。作者在两个数据集上评测，覆盖通用与工业场景，涉及 9 个 SOTA 大模型；表现最好的模型语法错误检出率达 100%，所提修正的实现成功率超过 95%，建议的端点改进采纳率超过 50%。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

从一次性生成到持续维护

论文指出，API 规范是现代软件开发中的关键文档，直接影响集成效率与客户端代码生成。已有工作借助大模型从源码生成初始规范，但把这件事当成一次性动作，忽略了持续校验、长期维护以及由市场驱动的演进需求。Agent4Spec 正是针对这一缺口提出的自主多智能体框架，作者为 Yongjian Tang、Costel Moraru、Doruk Tuncel、Hanya Elhashemy、Steffen Klepke 与 Thomas Runkler，论文被 FLLM 主会软件工程方向接收。

两条流水线各管什么

框架由两条职责不同的流水线组成。校验流水线负责发现 OpenAPI 语法错误并自行修正；市场分析流水线则开展竞争性调研，对照行业领先者找出功能上的空缺，并自动生成缺失的 API 规范功能。前者解决规范本身的正确性问题，后者解决规范是否跟得上同类产品的问题，两者共同构成对 API 规范的持续优化闭环。

评测设置与结果

作者在两个经过整理的数据集上评估 Agent4Spec，数据集覆盖通用场景与工业场景。评测涉及 9 个当前最优的大模型。结果显示，表现最好的模型在语法错误检测上达到 100% 的检出率，其提出的修正方案实现成功率超过 95%；在端点改进建议方面，采纳率超过 50%。作者据此认为该框架可作为 API 开发中的实用工具。

为什么值得看

把 API 规范从一次性生成变成可持续校验与演进的流程，给出了具体评测数字，值得关注 LLM 工程化落地的人一看。

大模型智能体API论文数据集

信源1 家

  1. [1]arXiv cs.AI一手信源Agent4Spec: An LLM-based Agentic System to Optimize API Specifications through Automated Validation and Market Analysis

关键事实

  • 论文提出 Agent4Spec，一个自主多智能体框架，包含校验与市场分析两条流水线[1]

  • 校验流水线检测并自我修正 OpenAPI 语法错误[1]

  • 市场分析流水线做竞品研究、识别与行业领先者的功能差距并自动生成缺失的 API 规范功能[1]

  • 在两个覆盖通用与工业场景的 API 规范数据集上评测了 9 个 SOTA 大模型[1]

  • 表现最好的模型语法错误检出率 100%，修正实现成功率超过 95%，端点改进建议采纳率超过 50%[1]

相关 · 论文

DreamX 将预训练视频扩散模型改造为通用潜在动作学习器

11月4日 周三·AI 78

arXiv 论文提出「认知共生体」概念，主张 AI 增强人的智能

11月4日 周三·AI 58

独立复现 DNO-Prct：Llama 3.1 8B 对 GPT-4o 胜率升…

11月4日 周三·AI 72

研究提出 PEARL 方法，用于持久抑制语言模型的不对齐行为

11月4日 周三·AI 78

本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。

去论坛讨论