代理人架構與上下文工程驅動的UML自動生成
背景：大型語言模型已被用來自動化程式碼文件化。本研究提出以代理人分工與上下文工程為核心的方法，透過五類專責代理人與一層按重要性決定性壓縮的中介表示，將大型專案IR壓縮成可供生成UML圖的視圖，並在多語言、多圖類實驗中展現高語法有效性與穩定品質。
代理人架構與上下文工程驅動的UML自動生成
快速重點：研究提出一套可在模型上下文限制下，自動從原始程式碼庫生成UML圖的代理人式流程，並透過決定性IR壓縮保證可輸入模型。
方法上，作者以Claude Agent SDK建構五類專責代理人——PlannerAgent、AnalyzerAgent、DiagramAgent、CorrectorAgent與DependencyAnalyzerAgent，各自負責規劃、分析、繪圖、校正與相依性分析等子任務。關鍵技術是一層決定性且按重要性加權的中介表示(IR)壓縮，能在毫秒內將完整專案IR轉為僅含繪圖所需的視圖，從而避免超出token限制且不需額外呼叫模型。
評測面向12個開源專案、4種程式語言與7種UML圖類，總計84次觀察，使用多項自動化指標衡量。結果顯示語法有效性平均91.5%，關係精準度平均0.858，結構品質平均81.7分（跨語言差異約3.1分）；實體召回平均0.313，反映系統刻意優先呈現架構重點而非追求全面覆蓋。尺度敏感性分析也指出品質在IR規模變化下保持穩定。
延伸閱讀
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
