2025年CCF中国软件大会“智能化研发智能体技术”论坛于11月28日上午在武汉国际会议中心二楼荆沁厅205顺利举行。本次论坛由华为云数字化平台技术创新Lab的王千祥、梁广泰、边攀等专家联合视界引擎CTO申博共同发起并组织，聚焦智能体技术在软件研发领域的前沿进展与落地挑战。

论坛吸引了来自全国各地的200余名专家学者、高校师生及科研人员积极参与。活动内容涵盖多个专题报告及一场深度Panel讨论，围绕研发智能体在企业实践中的关键技术瓶颈与未来研究方向展开了热烈交流。

专题报告环节由华为云数字化平台技术创新Lab软件安全团队负责人边攀博士主持，共包括开场致辞和五场高水平学术报告。

论坛伊始，华为云智能研发首席专家王千祥博士发表致辞。他指出，AI辅助软件开发早期主要依赖大模型的技术突破，而随着智能体时代的到来，重点正逐步转向以大模型为核心的智能体系统构建。在此背景下，软件工程领域亟需发挥核心作用，尤其是在软件研发智能体的研究与实践中实现关键性突破，推动产业变革。

随后，天津大学陈俊洁教授作了题为“基于需求对齐的大模型代码生成技术”的报告。他强调，需求描述是代码生成的起点，大语言模型（LLM）对用户意图的理解程度直接决定了生成代码的质量。然而，当前模型在面对需求歧义、上下文缺失或语义偏差时，常产生偏离预期的结果。为此，陈教授提出从“需求对齐”角度出发，通过需求解析、语义映射与反馈机制等技术手段，提升模型对真实需求的还原能力。该路径有助于增强代码生成过程的可控性与可靠性，为智能化开发提供更坚实的基础。

北京航空航天大学高祥副教授则围绕“代码属性驱动的智能化研发”主题展开分享。他指出，当前基于自然语言交互的智能软件工程方法存在模糊性问题，难以满足程序逻辑对精确语义的要求，导致生成代码在正确性和一致性方面表现不足。针对这一挑战，研究团队提出了将结构化代码属性（如数据类型、接口规约、程序不变式等）融入模型推理过程的新范式。该方法已在测试用例生成、漏洞检测和代码生成三大任务中取得显著成效：通过属性匹配提升测试覆盖率，在缺陷识别中利用属性表征辅助上下文检索，并以属性约束优化生成代码的准确性。此方向有望推动智能研发工具向更高可靠性和更强泛化能力演进，促进软件工程与人工智能的深度融合。

中山大学王焱林助理教授以“浅谈工程级代码生成、翻译与问题解决”为主题，深入探讨了智能体在实际软件工程场景中的应用潜力。他在报告中分析了仓库级代码生成的关键难点，强调智能体需具备精准理解复杂需求的能力，才能高效输出高质量代码。对于代码翻译任务，他介绍了整仓库迁移面临的挑战以及评测集构建方法，并展示了基于智能体的解决方案。此外，他还提出了多语言、多模态综合评测基准OmniGIRL，用于评估智能体在多样化编程任务中的表现。最后，王老师总结指出：当前LLM在软工落地仍面临若干障碍——例如环境配置复杂、自主信息提取能力弱、缺乏高质量工程数据支撑等，未来需要更多即插即用、通用性强的技术框架来加速成果转化。

中国科学院软件研究所孙泽宇副研究员带来了题为“自动化提升代码生成效果的提示优化方法”的报告。他首先指出，当前大语言模型在代码生成中高度依赖高质量Prompt，但人工设计的提示词往往难以兼顾模型偏好与工程规范，导致输出不稳定或风格不一致。为解决这一问题，研究团队提出Prochemy——一种面向代码生成任务的自动化Prompt优化框架。该方法旨在实现两个核心目标：一是完全自动化地生成和迭代优化提示词；二是具备良好的兼容性，可适配不同模型与任务场景。通过系统性的搜索与评估机制，Prochemy能够动态调整Prompt结构，从而持续提升代码生成质量，降低对人工干预的依赖。

论坛最后设置了Panel讨论环节，多位专家就研发智能体在企业落地过程中面临的技术、数据、工程化等现实挑战进行了深入对话，并对未来可能的研究方向提出了建设性意见，现场互动频繁，反响热烈。

Prochemy 采用从零样本 Prompt 出发的策略，通过任务数据自动生成训练样本，并在此基础上实施多轮迭代优化。该过程涵盖 Prompt 变异、结果评估、加权评分与优胜者选择等关键环节，使模型能够在持续反馈中逐步逼近最优提示配置。在实验设计上，该项目在多个主流代码生成与翻译基准数据集上进行了系统性测试，包括 HumanEval、MBPP、LiveCodeBench 和 CodeNet，覆盖了 GPT-3.5、GPT-4o、Claude、DeepSeek 等多种大语言模型（LLM）。

对比方法涵盖了 APE、OPRO 等单轮优化技术，以及 AgentCoder、CodeCoT 等多轮自协作框架。实验结果显示，Prochemy 在各类基准测试中平均提升了 4%–8% 的性能表现，充分验证了其在不同模型架构和任务场景下的通用性与有效性。值得注意的是，研究还进一步展示了 Prochemy 在推理导向型模型（如 o1-mini）上的应用效果，表明其即使面对复杂推理需求仍具备显著优化潜力。

在报告环节，华为云数字化平台技术创新Lab的边攀博士介绍了“项目级智能化软件研发智能体技术实践”。该技术方案构建于“模型+工具+知识+环境”四位一体的支撑体系之上，整合了代码仓库理解、知识图谱构建、经验复用机制及工具链协同能力。依托“语义理解+信息检索+内容生成”的融合路径，研发智能体（DevAgent）能够自主完成需求分析、代码编写、测试验证到缺陷修复的完整流程，实现了从单一任务辅助向项目级全流程自动化研发的跃迁。

目前，部分核心技术已在实际场景中落地应用：基于领域知识增强的代码生成技术显著提高了客户前端代码的准确率与采纳率；针对静态代码告警的修复智能体在真实项目中实现超过 85% 的修复准确率，累计自动处理告警数量超 300 万条，大幅提升了缺陷响应效率；在智能体支持下，所生成的单元测试用例编译通过率显著上升，相关测试工具也因此获得行业最高评级，有效支撑了跨行业项目的高效交付。

本次论坛特别设置了Panel讨论环节，由华为云数字化平台技术创新Lab主任梁广泰博士主持。参与对话的嘉宾包括中国科学院软件研究所副研究员孙泽宇、华为云数字化平台技术创新Lab边攀博士、华为云智能研发首席专家王千祥、北京航空航天大学副教授高祥，以及天工开物开源基金会执行副秘书长庄表伟。各位专家围绕研发智能体的技术价值与产业影响、工业级规模化落地的挑战与路径、未来校企协同创新模式等议题展开了深入交流。

随着大语言模型在各领域的广泛应用，传统软件开发范式正经历根本性转变。AI 已不再局限于功能组件的角色，而是逐渐演变为贯穿整个开发生命周期的核心驱动力。本次技术论坛聚焦“研发智能体”这一智能化开发的关键方向，深入探讨如何高效集成和利用大语言模型能力，推动新一代智能软件系统及其配套工具链与方法论的建设与发展。

论坛汇聚了来自学术界与产业界的多位知名专家学者，面向现场200余名参会人员全面呈现了当前研发智能体领域的前沿研究成果与工程实践经验。此次交流不仅激发了智能开发从业者的科研热情，也增强了国内研究团队之间的互动与合作意愿，有望进一步加速我国在该技术方向上的整体发展进程。