领域知识驱动大模型，助力复杂软件开发

CodeWisdom 09月12日

领域知识驱动大模型，助力复杂软件开发

随着软件系统日益复杂，开发与维护面临需求理解难、错误定位难及变更成本高等挑战。通用大模型在掌握专业术语、处理复杂逻辑及适应实际软件工程场景方面存在局限。本报告聚焦领域知识驱动的大模型，探讨如何融合领域代码、开发经验、工具方法和专业文档等多层次知识，提升模型的专业性、实用性与可靠性，助力复杂软件的智能开发与维护。

📚 领域知识驱动的大模型能够有效解决通用大模型在专业术语掌握、复杂逻辑处理和实际软件工程场景适应方面的局限性，通过融合领域代码、开发经验、工具方法和专业文档等多层次知识，提升模型的专业性、实用性和可靠性。

🔧 在模型训练环节，通过引入领域知识，可以使大模型更好地理解和处理特定领域的复杂问题，从而提高模型在软件开发和维护任务中的准确性和效率。

📊 在知识增强环节，将领域知识融入大模型的推理执行过程，可以使模型在解决实际问题时更加精准和高效，从而提升复杂软件的智能开发和维护水平。

🔍 在效果评测环节，通过对比通用大模型和领域知识驱动的大模型在复杂软件开发和维护任务中的表现，可以验证领域知识驱动的大模型的有效性和优势。

2025-07-24 18:00 新加坡

8月1日上午09:30，报告主题围绕基于大模型的智能化软件工程技术，可腾讯会议线上参加

报告1:领域知识驱动大模型：复杂软件开发与智能维护的实践探索

摘要

随着软件系统的日益复杂，开发与维护面临需求理解难、错误定位难及变更成本高等多重挑战。通用大模型在掌握专业术语、处理复杂逻辑及适应实际软件工程场景方面存在局限。本报告聚焦领域知识驱动的大模型，系统探讨在模型训练、知识增强、推理执行及效果评测等关键环节，如何融合多层次领域知识，包括领域代码、开发经验、工具方法和专业文档，全面提升模型的专业性、实用性与可靠性，助力复杂软件的智能开发与维护。

报告人：刘名威

刘名威，中山大学软件工程学院副教授、博士生导师，珠海市可信大模型重点实验室副主任，CCF软件工程专委会执行委员，“逸仙学者计划”新锐学者。2024年加入中山大学，先后于复旦大学获学士（2017）、博士（2022）学位，完成博士后研究。其研究聚焦软件工程与人工智能交叉，主要方向包括软件开发知识图谱构建及知识增强下的大模型开发与维护。

近年在TSE、TOSEM、ICSE、FSE、ASE等顶级期刊会议发表论文20余篇，获ACM SIGSOFT杰出论文奖（FSE 2023）、IEEE TCSE杰出论文奖（ICSME 2018）等，主持或参与多项国家级项目，多项成果已在华为、荣耀、腾讯等企业应用。

报告2:基于大模型的软工复杂问题研究

摘要

本报告聚焦于基于大模型的软工复杂问题研究，深入探讨仓库级代码生成、翻译与问题解决的前沿研究与实践工作，聚焦三个复杂问题中的数据构建、环境构建、智能体、推理加速等视角。最后，对智能体、知识等在软工尤其是工程级代码任务中的思考进行总结。

报告人：王焱林

王焱林，中山大学助理教授，2022年7月入选中山大学“百人计划”，加入软件工程学院。加入中山大学前，于微软亚洲研究院DKI组担任主管研究员。主要研究领域为智能化软件工程，已在ICSE、ISSTA、ASE, AAAI、ACL等软件工程及人工智能领域的高质量会议和期刊上发表四十余篇学术论文，曾获得 ACM SIGSOFT Distinguished Paper Award，Modularity 2016最佳论文奖。担任FSE 2025组织委员会委员，在多个国际学术会议如ICSE，ISSTA，FSE等担任程序委员会委员，是TSE, TOSEM, TKDE, AuSE, JSS，EMSE, TNNLS等期刊的审稿人。