云基础设施即代码综合的交互式说明

现代云基础设施的规模和复杂性使得“基础设施即代码”(IaC) 对于通过声明性配置管理部署至关重要。虽然 大语言模型 (LLM) 越来越多地用于从自然语言生成 IaC 配置，但用户请求通常是不明确且不明确的。与传统的代码生成不同，在综合过程中测试 IaC 配置既昂贵又耗时，迫使 LLM 几乎进入一次性状态。我们观察到 IaC 综合中的模糊性表现出一种组合结构：配置分解为三个轴（资源、拓扑、属性），其中较高级别的决策约束较低级别的决策。我们提出了一个 无需训练 多级消歧框架，该框架生成不同的候选规范，识别这些轴上的结构分歧，按信息量对它们进行排名，并产生有针对性的澄清问题，逐步缩小配置空间。我们进一步介绍了 Ambig-IaC，这是一个经过专家验证的基准，包含 300 个经过验证的具有模糊请求的 IaC 任务，并根据图形编辑距离和精确属性匹配定义评估指标。综合实验表明，我们的方法优于现有的交互式澄清基线，其收益随着交互预算的增加而增加，并且可以跨模型推广。广泛的消融研究和分析进一步证明了其对于交互式 IaC 合成的稳健性。