Query2Diagram：用 UML 图回答开发人员的查询

软件文档经常变得过时或无法完全存在，但开发人员需要对其代码库进行集中视图来理解复杂的系统。虽然自动化逆向工程工具可以从代码生成 UML 图，但它们会在不考虑开发人员意图的情况下生成大量细节。我们引入查询驱动的 UML 图生成，其中 LLM 创建直接回答有关代码的自然语言问题的图。与现有方法不同，我们的方法生成语义集中的图表，仅包含具有上下文描述的相关元素。我们在结构化 JSON 格式的代码文件、开发人员查询和相应图表表示的精选数据集上对 Qwen2.5-Coder-14B 进行微调，通过结构缺陷的自动检测和语义相关性的人工评估进行评估。结果表明，微调 在适量的手动校正数据上产生了显着的改进：我们的最佳模型实现了最高的 F1 分数，同时将缺陷率降低到低于最先进的 LLM，生成的图表在结构上合理且语义上忠实于开发人员的查询。因此，我们建立了使用 LLM 进行可扩展的上下文按需文档生成的可行性。我们在 https://github.com/i-need-a-pencil/query2diagram 上公开提供我们的代码和数据集。