论文页面 - 从可运行到可交付：面向多智能体的测试驱动开发，从需求生成全栈 Web 应用

来源: https://huggingface.co/papers/2605.17242

摘要

TDDev 自动实现 Web 应用生成的测试驱动开发，通过集成需求分析、基于浏览器的验证和结构化的修复报告，提升代码质量并减少人工干预。

编码代理 (https://huggingface.co/papers?q=Coding%20agents) 能够根据自然语言描述生成 Web 应用，然而近期一项基准研究表明，超过 70% 的生成应用未能满足功能需求。核心困难在于 Web 的正确性无法从源文件或终端输出中评估：必须部署应用、通过模拟浏览器交互进行测试，并将失败转化为可操作的修复信号 —— 当前代理在无人工介入的情况下无法执行这些步骤。我们提出 TDDev，一个通过三个阶段自动实现这一闭环的框架：(1) 在编写任何代码之前，将高层需求转化为结构化验收测试 (https://huggingface.co/papers?q=structured%20acceptance%20tests)；(2) 部署应用并通过基于浏览器的交互模拟 (https://huggingface.co/papers?q=browser-based%20interaction%20simulation) 进行验证；(3) 将浏览器观察到的失败转化为结构化的修复报告 (https://huggingface.co/papers?q=structured%20repair%20reports)，供编码代理使用。借助 TDDev，我们首次对 Web 应用生成 (https://huggingface.co/papers?q=web%20application%20generation) 中的测试驱动开发 (https://huggingface.co/papers?q=Test-driven%20development) (TDD) 策略进行了受控实证研究，在两个编码代理 (https://huggingface.co/papers?q=coding%20agents)、两个骨干模型和两个基准上比较了四种开发协议。TDD 基础设施在无 TDD 基线上持续提升 34-48 个百分点的生成质量。核心发现是：最优协议取决于模型的生成风格——整体构建应用的模型最受益于代理式强制执行，而保守扩展代码的模型最受益于增量式强制执行。协议与生成风格不匹配会完全消除 TDD 的收益，同时将令牌成本提升至 25 倍。用户研究证实，TDDev 将人工干预减少至零，将工作负载从持续提示工程转变为自主、反馈驱动 (https://huggingface.co/papers?q=feedback-driven%20refinement) 的精炼。

查看 arXiv 页面 (https://arxiv.org/abs/2605.17242) 查看 PDF (https://arxiv.org/pdf/2605.17242) 项目页面 (https://huggingface.co/papers/2605.17242) GitHub (https://github.com/yxwan123/TDDev) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.17242)

在你的代理中获取这篇论文：

hf papers read 2605\.17242

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用该论文的模型

无模型链接该论文

在模型的 README.md 中引用 arxiv.org/abs/2605.17242，即可从本页面链接。

引用该论文的数据集

无数据集链接该论文

在数据集的 README.md 中引用 arxiv.org/abs/2605.17242，即可从本页面链接。

引用该论文的 Space

无 Space 链接该论文

在 Space 的 README.md 中引用 arxiv.org/abs/2605.17242，即可从本页面链接。

包含该论文的收藏

无收藏包含该论文

将该论文添加到一个收藏 (https://huggingface.co/new-collection) 中，即可从本页面链接。