科学软件工程中的协作式AI工作流设计

Agentic 人工智能系统可以执行软件工程和科学研究中的广泛任务，从编写和翻译代码到运行数据分析和可视化工作流程。在科学计算中，困难在于验证Agent生成的代码对于成员具有不同领域专业知识的团队来说既正确又易于理解。因此，我们认为这些系统最好在协作团队结构中使用，而不是完全自动化。在我们提出的工作流程中，领域专家编写规范和计划，Agent在确定性编排模式下运行以编写目标代码。每个阶段都以与参考代码的数字比较结束，并且在下一个阶段开始之前需要人工审核和批准。我们在将大型高能物理应用程序从 Fortran 转换为 C++ 时评估这些工作流程，在不同的编排器、设计模式和模型下运行相同的任务。在十四个实验中，一个简单的作者-审稿人循环，具有强制限制 完成了与多Agent工作流程相当数量的文件，而每个文件的成本约为三分之一。