Full-Stack Development Multi-Agent System Code Generation Self-Improvement
摘要

针对现有代码代理仅能生成前端页面、缺乏真实全栈数据处理能力的问题,本文提出 FullStack-Agent。该系统包含三部分:(1) FullStack-Dev,一个具备强规划、代码编辑及缺陷定位能力的多智能体框架;(2) FullStack-Learn,一种通过仓库回译实现数据扩展与自我改进的方法;(3) FullStack-Bench,全面评估生成网站的前后端及数据库功能。实验表明,该方法在各项测试中显著优于现有技术,且自我改进机制有效提升了模型性能。

AI 推荐理由

论文核心提出具备强规划能力的多智能体框架,解决全栈开发中的复杂任务分解与执行。

研究机构
清华大学 中国科学院自动化研究所
论文信息
作者 Zimu Lu, Houxing Ren, Yunqiao Yang, Ke Wang, Zhuofan Zong et al.
发布日期 2026-02-03
arXiv ID 2602.03798
相关性评分 9/10 (高度相关)