Editorial Ilmu Komputer & AI
Agen Coding yang Berevolusi Sendiri: Survei Terstruktur atas Paradigma yang Sedang Berkembang
Masalah inti
Large language model semakin banyak tertanam dalam alur kerja rekayasa perangkat lunak sebagai agen coding yang dapat memeriksa repositori, memanggil alat, menjalankan pengujian, men-debug kegagalan, dan menghasilkan patch. Namun sebagian besar agen coding yang ada tetap statis setelah deployment, meskipun pengembangan perangkat lunak merupakan proses dinamis yang kaya umpan balik, di mana repositori berkembang, dependensi berubah, pengujian gagal, dan upaya perbaikan meninggalkan pengalaman yang dapat digunakan kembali. Ketegangan ini telah mendorong pertumbuhan penelitian tentang **agen coding yang berevolusi sendiri**, di mana agen meningkatkan perilaku masa depannya dengan secara persisten memperbarui framework, memori, keterampilan dan alat, komponen, alur kerja dan topologi, atau lingkungan dan konteksnya dari interaksi coding sebelumnya.
Survei ini menyediakan sintesis terstruktur atas bidang yang sedang berkembang ini. Pertama, survei mendefinisikan konsep agen coding yang berevolusi sendiri dan membedakannya dari agen coding konvensional serta agen yang berevolusi sendiri secara umum. Selanjutnya, survei mengembangkan taksonomi yang berpusat pada **target evolusi**, dilen
Inovasi
Survei ini melaporkan lanskap yang berkembang tetapi terfragmentasi. Temuan utama meliputi:
- **Umpan balik yang dapat dieksekusi adalah pendorong utama**: Hasil pengujian, kesalahan runtime, dan jejak debug memberikan sinyal objektif yang memungkinkan agen menyempurnakan patch dan strategi.
- **Konteks tingkat repositori sangat penting**: Agen yang memasukkan struktur repositori, dependensi, dan riwayat versi berevolusi lebih efektif daripada yang beroperasi pada potongan kode terisolasi.
- **Trajektori coding menghasilkan pengalaman yang dapat digunakan kembali**: Urutan tindakan, kegagalan, dan perbaikan dapat disimpan dalam memori dan digunakan kembali di seluruh tugas.
- **Benchmark sedang muncul tetapi terbatas**: Benchmark yang ada sering berfokus pada pembuatan kode statis daripada mengukur peningkatan persisten dari waktu ke waktu, sehingga menimbulkan kekhawatiran tentang overfitting benchmark.
- **Produk mulai memasukkan evolusi diri**: Beberapa asisten coding kini menyertakan memori atau pustaka keterampilan, tetapi evaluasi sistematis atas adaptasi jangka panjang masih jarang.
Survei ini juga mengidentifikasi ketegangan: meskipun evolusi diri dapat meningkatkan kemam
Mengapa penting
Taksonomi survei ini mengungkap bahwa agen coding yang berevolusi sendiri bukan sekadar subset dari agen yang berevolusi sendiri secara umum; mereka dibedakan oleh ketergantungannya pada **sinyal spesifik kode** dan **alur kerja rekayasa perangkat lunak**. Hal ini menjadikan rekayasa perangkat lunak sebagai testbed alami untuk evolusi diri, tetapi juga memperkuat tantangan tertentu.
**Keandalan umpan balik** sangat penting: umpan balik yang dapat dieksekusi bisa bising, tidak lengkap, atau menyesatkan (misalnya, pengujian yang flaky). Agen harus belajar menimbang sinyal secara tepat. **Overfitting benchmark** terjadi ketika evolusi dioptimalkan untuk benchmark tetap alih-alih peningkatan yang dapat digeneralisasi. **Reversibilitas** menyangkut apakah pembaruan dapat dibatalkan jika menurunkan kinerja. **Kompleksitas sistem** tumbuh seiring semakin banyak komponen yang menjadi mutable, sehingga debugging dan pemeliharaan menjadi lebih sulit. Risiko **keamanan** mencakup agen yang memodifikasi kode atau lingkungannya sendiri dengan cara yang tidak diinginkan. **Biaya** melibatkan pengeluaran komputasi dan pengawasan manusia. **Generalisasi** tetap menjadi tujuan akhir: dapatkah agen yang berevolusi pada satu repositori mentransfer peningkatannya ke repositori lain?
Survei ini menyarankan bahwa mengatasi tantangan tersebut memerlukan kombinasi mekanisme umpan balik yang kuat, benchmark yang beragam, strategi pembaruan yang dapat dibalik, dan batasan keamanan. Survei ini juga menyoroti perlunya kerangka kerja terpadu untuk membandingkan berbagai target dan sinyal evolusi.
Alur konseptual evolusi diri pada agen coding dapat direpresentasikan sebagai:
Loop ini menggambarkan bagaimana sinyal spesifik kode mendorong pembaruan persisten di berbagai komponen agen, sehingga memungkinkan adaptasi berkelanjutan. Survei ini menyimpulkan bahwa agen coding yang berevolusi sendiri merepresentasikan arah yang menjanjikan untuk membangun sistem agentic yang lebih adaptif, andal, dan sadar perangkat lunak, tetapi mewujudkan potensi ini memerlukan perhatian cermat terhadap tantangan yang telah diidentifikasi.
Siapa yang sebaiknya membaca
Membuka konten member…