2025 CCF中国软件大会（CCF ChinaSoft） “智能化研发智能体技术”论坛成功召开

2025 CCF中国软件大会“智能化研发智能体技术”论坛于11月28日上午在中国软件大会会场（武汉国际会议中心二楼荆沁厅205）成功召开！本次论坛由来自华为云数字化平台技术创新Lab的王千祥、梁广泰、边攀等专家及视界引擎CTO申博联合发起组织。该论坛邀请了业界知名专家天津大学陈俊洁教授、北京航空航天大学高祥副教授、中山大学王焱林助理教授、中国科学院软件研究所孙泽宇副研究员、华为边攀博士作专题报告，并在最后组织了Panel讨论研发智能体在企业落地面临的挑战及可能的研究方向。该论坛吸引了200多名来自全国全地的智能研发领域专家、师生及相关研究人员的广泛参与与热烈讨论

本次论坛专题报告环节由华为云数字化平台技术创新Lab软件安全团队Leader边攀博士主持，包括致辞和5个专题报告。

会议开场时，华为云智能研发首席专家王千祥博士进行了开场致辞，提出了对智能化研发智能体技术论坛的期望和指导建议：AI辅助的软件研发，之前的重点是大模型，主要是AI领域做出的突破。随着智能体时代的到来，重点将转移到包含大模型的智能体系统，软件工程领域应该在这个阶段做出突破性的贡献，尤其是软件研发智能体。

正式报告后，天津大学陈俊洁教授首先围绕“基于需求对齐的大模型代码生成技术”进行了精彩报告。陈教授指出，需求描述是代码生成的起点，LLM对需求的语义把握、意图识别与细节理解，将直接决定生成代码的正确性和实用性。报告中展示了当前LLM在处理需求歧义、上下文缺失或语义偏差等问题时，往往容易生成偏离预期的代码结果。针对这些挑战，陈教授系统阐述了从“需求对齐”角度提升代码生成质量的技术路径，包括需求解析、语义映射、对齐反馈机制。他强调，通过让模型的理解与人类需求保持一致，可以显著增强代码生成的可控性与可靠性，为未来智能软件开发奠定更加坚实的基础。

之后，北京航空航天大学高祥老师围绕“代码属性驱动的智能化研发”进行了精彩报告。报告中指出：当前基于大语言模型的智能软件工程方法因依赖自然语言交互，其模糊性难以满足程序语义的精确性要求，导致生成代码在逻辑与语义上存在不足。为此，研究提出了“代码属性驱动的智能化软件研发”路径，通过系统性地将代码中的结构化语义属性（如数据类型、接口规约、程序不变式等）引入模型的推理与生成过程，为模型提供精确语义引导，从而桥接高层设计意图与底层实现。该方法已在三个关键任务上取得进展：在测试生成中，通过匹配代码属性检索相关测试用例以提升代码覆盖率；在漏洞检测中，利用属性表征语义检索上下文以辅助精准识别缺陷；在代码生成中，则以属性为约束增强正确性。这一研究方向通过深度利用代码属性，显著提升模型对程序语义的理解能力，旨在推动智能研发工具向更可靠、更强泛化的新阶段演进，为软件工程与人工智能的深度融合开辟新的技术路径。

接着中山大学王焱林老师以“浅谈工程级代码生成、翻译与问题解决”为题，聚焦与智能体时代软件工程领域中代码相关的关键应用，深入探讨了仓库级代码生成、翻译与问题解决的前沿研究与实践工作。在代码生成方面，分析智能体如何依据需求精准、高效地生成高质量代码。对于代码翻译，讨论仓库级代码翻译的挑战、整仓库评测集构建、以及基于智能体的仓库级代码翻译。针对问题解决，提出多语言、多模态评测集OmniGIRL。最后，对智能体在软工尤其是工程级代码任务中的应用进行总结和展望：❶ 环境构建可能是LLM用到软工的一大阻碍 ❷ LLM还不太擅长自主搜集仓库里有用的信息 ❸ 需要更好地构建软工数据 ❹ 即插即用的、通用点的更方便转化落地。

然后中国科学院软件研究所孙泽宇老师的报告围绕 “自动化提升代码生成效果的提示优化方法”展开，旨在解决当前大语言模型在代码生成任务中对高质量 Prompt 依赖度高、人工 Prompt 难以稳定满足规范化需求等问题。主讲人首先指出，传统人工构造的提示词往往无法兼顾模型偏好与代码质量要求，在真实软件工程场景中易导致生成结果不稳定、风格不统一或效果欠佳。因此，一个能够自动生成、自动优化 Prompt 的框架十分必要。为此，报告提出了 Prochemy——一种面向代码生成的自动化 Prompt 优化方法。该方法具备“自动化”“可兼容”两大目标。

Prochemy 通过从零样本 Prompt 起步，利用任务数据生成训练样本，并在此基础上进行迭代优化，包括 Prompt 变异、结果评估、加权打分以及优胜选择等步骤，使模型能在多轮反馈中逐渐获得最优的提示词配置。实验方面，项目在 HumanEval、MBPP、LiveCodeBench 以及 CodeNet 等多个主流代码生成与翻译数据集上进行了系统测试，覆盖 GPT-3.5、GPT-4o、Claude、DeepSeek 等多种 LLM。对比基线包括 APE、OPRO 等单轮优化方法，以及 AgentCoder、CodeCoT 等多轮自协作方法。结果表明，Prochemy 在主流基准测试上实现了平均 4%-8% 的性能提升，验证了其在不同模型与任务上的普适性与有效性。此外，报告进一步展示了 Prochemy 在推理类模型（如 o1-mini）上的表现，证明其在复杂推理需求下仍具有改进能力。

最后报告中，华为云数字化平台技术创新Lab 边攀博士分享了华为云“项目级智能化软件研发智能体技术实践”。在技术架构层面，项目级研发智能体（DevAgent）整合代码仓理解、知识图谱、经验复用、工具链集成等底层能力，形成“模型+工具+知识+环境”四维支撑。通过“语义知识+检索+生成”技术路径，智能体可自主完成需求解析、代码编写、测试验证、缺陷修复全流程，实现从单任务辅助到项目级全流程自主研发的跨越。目前部分技术成果已落地验证，基于领域知识的代码生成技术大幅提升客户侧前端代码生成准确率及采纳率；面向静态告警的修复智能体在实际项目中准确率超85%，自动修复300万+告警，极大提升告警修复效率；测试工具在智能体加持下生成的单元测试用例的可编译率得到大幅提升，获得行业最高评级，有效支撑多行业项目高效交付。

本次论坛还设置了Panel环节，由华为云数字化平台技术创新Lab主任梁广泰博士（左一）主持。参与嘉宾有中国科学院软件研究所孙泽宇副研究员（左二）、华为云数字化平台技术创新Lab边攀博士（左三）、华为云智能研发首席专家王千祥（右三）、北京航空航天大学高祥副教授（右二）、天工开物开源基金会执行副秘书长庄表伟（右一）。嘉宾们围绕研发智能体的重要性及影响、如何实现工业级规模化推广与应用、对未来校企合作形式的期望等进行了深入研讨。

论坛总结

随着大语言模型的应用越来越广泛，传统的软件开发范式正在经历深刻变革。AI 不再仅仅是应用中的一个功能模块，而是正在成为驱动整个开发生命周期的核心引擎。本次技术论坛聚焦智能化开发的核心——研发智能体，深入探讨如何在开发过程中更好地利用和集成大语言模型能力，构建新一代智能化软件及其开发工具链和方法论。围绕研发智能体方向，本次论坛邀请到了业界知名的研究学者共聚一堂，为现场200多名观众全面系统介绍了当前研发智能体领域最新的技术研究与实践，进一步提高了智能开发从业者的研究热情与动机，相信会进一步助推该领域国内相关研究团队间的交流与协作。