摘要
针对自然语言到仓库生成（NL2Repo）任务所需的长程规划与跨文件一致性挑战，本文提出 CodeTeam 框架。该框架将规划、决策与实现分离为协同阶段：架构师智能体起草设计方案，CTO 智能体评估并生成机器可检查的合同，开发者智能体在依赖感知调度下编码，QA 智能体负责测试与迭代修复。实验表明，CodeTeam 在 SketchBLEU 指标和测试通过率上均显著优于基线模型，验证了其在功能正确性上的优势。
AI 推荐理由
论文核心在于多智能体协作下的仓库级代码生成，重点解决长程规划、接口一致性及任务分解问题。
研究机构
武汉大学计算机学院，中国
南京理工大学计算机科学与技术学院，中国
中央昆士兰大学计算机科学学院，澳大利亚
澳大利亚联邦科学与工业研究组织计算科学学院，澳大利亚
芬兰奥卢大学软件工程研究所，芬兰
论文信息