使用 Agentic AI 构建流程建模工具：PM4Py-UCM 的经验报告

企业建模 (EM) 工具通常很复杂且难以扩展。然而，用户可能希望探索当前不存在的新 EM 特性和功能。 AI 编码智能体 可以通过开发新功能和整个工具来提供帮助，但我们是否可以信任 LLM 主要编写的建模语言工具仍然是一个问题。本文报告了 AI 辅助构建 PM4Py-UCM，这是一种从事件日志中挖掘用例图 (UCM) 模型的开源工具。 PM4Py-UCM 的功能包括流程挖掘工具所期望的一些功能（例如，性能热图和仪表板）和独特的功能（例如，挖掘的可执行场景/变体和模型分解）。我们挖掘了开发记录本身，由 18 个代理会话（65 小时内 374 次人工轮流和 10,328 个工具操作）、151 次提交、20 个版本以及一个从 108 个测试函数增长到 691 个测试函数的测试套件组成，以便在一个深入的案例中描述该工具是如何使用代理构建的（克劳德代码），并辅以对结果代码的独立静态评估（覆盖率、复杂性、可维护性、安全、架构）。我们提供了一个可重复的、保护隐私的工具包和分类法，对人类轮流进行分类，并标记横切一致性工作、代理更正和撤回的请求。截至版本 0.7.4，修复的功能数量超过 2.3:1，纠正代理错误的轮次约为 18%。功能浪潮拖累了文档/测试/笔记本一致性工作的可测量尾部，并且测试与功能同步增长。最后，我们总结了经验教训，重点是使模型转换可机械检查，以及基于预言机的验证策略，缩小了“代理说它有效”的差距，以负责任地使用 AI 设计 EM 工具。