摘要
多智能体 AI 系统在自动化软件工程任务中应用日益广泛，包括需求分析、架构设计、测试生成和可追溯性链接。当这些智能体在共享软件工件上作为顺序管道操作时，上游智能体所产生的错误和低置信度决策会向下游阶段传播，导致孤立的需求、矛盾的链接以及合规性差距，这在安全关键领域中构成了重大风险。
我们提出了一种信任感知的协调框架，其中共享知识图谱既充当集中式语义记忆，又作为协调平台，允许智能体使用校准的置信度分数来评估和构建彼此的贡献。我们的方法引入了一个两阶段的可追溯性链接预测管道，结合了基于嵌入的检索与基于 LLM 的多标准分析，提供了一种可追溯性种子机制，能够比较推导时间和验证时间的置信度，并通过置信度阈值门控、置信度偏差检测和冲突解决来管理管道交互的一致性协议。
我们在一个汽车软件工程案例研究中进行了评估，测量链接预测校准、协议有效性、阈值敏感性以及可追溯性种子的影响。消融研究确认，置信度校准对于有效的管道协调至关重要。
博主点评： 本文提出的信任感知框架通过知识图谱和置信度校准机制，显著提升了多智能体系统在软件工程中的可追溯性与一致性，尤其在安全关键领域具有重要应用潜力。未来的研究可以进一步探讨如何在更复杂的场景中实施和优化这一框架。