Agent4RE：用于端到端软件需求工程和基准测试的自我完善多代理框架

现有的基于 LLM 的软件需求工程 (RE) 方法通常依赖于基本的提示策略或基本的代理协作，未充分利用多代理系统的全部潜力。同时，可用的数据集侧重于孤立的子任务，例如需求提取、分类和完整性检测，从而缺乏从需求获取到生成的端到端 RE 基准。我们提出了 Agent4RE——一个自我完善的多代理 RE 系统，它协调专门的代理并包含两个迭代改进循环。为了支持评估，我们构建了 RE-E2E——一个根据人类编写的需求规范构建的真实数据集，支持对 RE 工作流程进行端到端评估。在此基础上，我们进一步提出了两个增强的 Agent4RE 版本，其中包含自主的自我改进或结构化的人类反馈，并分析了它们在不同场景下的优势和局限性。对 8 个大型语言模型 (LLM) 的评估表明，所有三个 Agent4RE 变体 在基于文本的指标中，其表现始终优于域上下文增强提示基线，平均高出 8%。这两个增强版本实现了最高的LLM法官评分和人类评分，在四分制上比两个 RE 基线高出约 0.8 分。这种一致的性能使 Agent4RE 成为工业环境中实用的端到端 RE 解决方案。