买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江西师范大学申请的专利基于瀑布模型和多智能体协作的代码生成方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121029145B 。

龙图腾网通过国家知识产权局官网在2026-01-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511557058.0，技术领域涉及：G06F8/30；该发明授权基于瀑布模型和多智能体协作的代码生成方法及系统是由钟茂生;严婷;李宏伟;陈茜;陈涛;刘会珠;匡江玲;刘根设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本基于瀑布模型和多智能体协作的代码生成方法及系统在说明书摘要公布了：本发明提供一种基于瀑布模型和多智能体协作的代码生成方法及系统，该方法基于软件开发瀑布模型思想，构建了包含问题分析智能体、解决方案智能体、伪代码智能体、编码智能体和修复智能体的多智能体协同框架，通过动态协作算法协调各智能体的交互流程。其中，问题分析智能体检索相似问题及解决方案；解决方案智能体生成并评估候选方案；伪代码智能体进行方案转换；编码智能体生成可执行代码；修复智能体通过双维度修复机制对代码进行语法、运行时和语义层面的细粒度修复。本发明突破了单一智能体在复杂编程任务中的局限性，实现了覆盖需求分析、方案设计、代码实现和测试修复全流程的自动化代码生成，显著提高了生成代码的质量和运行的可靠性。

本发明授权基于瀑布模型和多智能体协作的代码生成方法及系统在权利要求书中公布了：1.一种基于瀑布模型和多智能体协作的代码生成方法，其特征在于，包括以下步骤： S1：初始化系统，所述系统包含相互通信的问题分析智能体、解决方案设计智能体、伪代码设计智能体、编码智能体和修复智能体； S2：问题分析智能体从代码生成公共数据库中获取当前编程问题规格文件及任务编号，解析规格文件中的函数签名、输入输出示例与功能描述；基于解析得到的函数签名和功能描述，利用大语言模型执行语义检索，生成若干组相似任务描述及其参考解决方案； S3：解决方案设计智能体基于若干组相似任务描述及其参考解决方案，将每组任务描述和对应的参考解决方案作为示例，构建few-shot提示模板；基于few-shot提示模板引导大语言模型参考示例生成当前任务的候选解决方案，再通过问题验证机制对各候选解决方案进行置信度得分评估；最后依据置信度得分对候选解决方案排序，筛选出最优解决方案； S4：伪代码设计智能体基于当前任务的最优解决方案，利用大语言模型生成最优解决方案对应的结构化伪代码；通过问题验证机制评估生成的结构化伪代码是否符合程序的顺序、选择、循环结构及任务需求，同步获取伪代码的置信度得分与评估解释；若置信度得分低于预设阈值，则基于任务描述和评估解释反馈对伪代码进行迭代优化，直至伪代码置信度得分达到预设阈值； S5：编码智能体将优化后的伪代码输入至大语言模型，由大语言模型将伪代码转换为相应的目标编程语言代码； S6：修复智能体先从S2获取的编程问题规格文件中抓取示例输入输出信息，将其作为公共测试用例；利用公共测试用例对编码智能体生成的目标编程语言代码进行测试；若代码未通过全部测试用例，提取编译器输出的报错信息，基于错误类型实施分层修复策略完成代码修复； 所述基于错误类型实施分层修复策略完成代码修复的具体步骤为： 从回溯栈中提取错误类型，根据错误类型执行细粒度修复； 若错误类型为断言错误，从编码器中捕获每个未通过测试用例的输出值，同时提取从任务需求中提取的示例输入输出用例的预期输出值，构建测试用例对；以错误代码和测试用例对为输入，引导大语言模型分析当前代码在输入测试用例对中输入数据时得到实际输出的过程；再以任务描述和测试用例对为输入，从问题需求角度引导大语言模型分析在当前问题情景下输入测试用例对中输入数据得到预期输出的逻辑；依据预期输出逻辑修正程序中的错误； 若错误类型为其他类型，从回溯栈中捕获每个未通过测试用例的报错行及详细错误信息；根据报错行定位代码中的错误位置，结合详细错误信息确定错误原因；基于错误位置和错误原因引导大语言模型精准修复代码。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。