返回资讯中心
外部精选
软件工程
#开发者实时流

开发者提出多智能体架构,用高级类型系统约束LLM代码生成

来源标题:Designing a Multi-Agent Architecture Guided by Advanced Type Systems

Alysson 提出将开发流程拆分为 Specifier、Implementer、Falsifier、Verifier 四个对抗性智能体,并用 Python 和 TypeScript 的高级类型系统充当证明引擎,把概率性代码生成转为确定性工程。他认为让单个 LLM 同时写代码和自测容易产生难以察觉的幻觉,即所谓“Vibe Coding”的结构性缺陷。

Hacker News 最新ProofByFalseInd2026/11/16 · 昨天30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

Alysson 2026年10月29日 分享 TL;DR:让单个 LLM 生成代码并自行测试其逻辑,是悄无声息产生幻觉的典型配方。通过将开发周期拆分为一个对抗性多智能体集群——分为 Specifier、Implementer、Falsifier 和 Verifier——并把 Python 和 TypeScript 中的高级类型系统当作证明引擎,我们就能把概率性的代码生成转变为确定性的工程实践。 单体智能体的谬误与“氛围编程” 第一波 AI 辅助开发浪潮普及了很多人所说的“氛围编程”(Vibe Coding):开发者用自然语言描述需求,LLM 生成一段代码,如果代码在手动跑的两三个测试里看起来能用,就直接上生产环境。 这种做法在结构上的缺陷,源于大型语言模型(LLM)的自回归特性。当单个智能体被要求同时解读需求、对数据建模、实现算法并编写单元测试时,它会产生和单打独斗的人类程序员一模一样的认知偏差——只不过被统计概率放大了。如果模型在实现阶段幻觉出了一个错误前提,它在生成单元测试时也会复现同一个错误前提。测试通过,构建变绿,bug 上了生产。 在此前的文章中,我们了解到类型即定理、程序即证明(Curry-Howard 同构),以及精化类型(Refinement Types)结合基于属性的测试(PBT)如何收紧包围无效状态的网。但我们要如何把这种严谨性扩展到日常工作中使用的生成式 AI 上,而不需要学术级的证明助手? 类型即定理,程序即证明 Alysson · 10月26日 阅读全文 精化类型与契约式设计如何将形式化验证带入现实世界 Alysson · 10月29日 阅读全文 答案在于结合两个概念: 对抗性多智能体集群:在目标相互冲突的独立智能体之间划分职责(制定规格的人不负责实现;试图攻破它的人不是写它的人)。 把类型系统当作证明引擎:与其依赖复杂的外部定理证明器,我们直接用静态类型检查器和主流语言(TypeScript 和 Python)中的契约校验,作为批准或拒绝智能体工作的确定性预言机。 当我们谈论在代码中“证明一个定理”时,并不一定需要在 Coq 或 Lean 中调用手动策略。如果我们把数据结构建模到无效状态无法表示的程度,那么类型检查器本身(TypeScript 中的 tsc --noEmit,或 Python 中的 mypy --strict / pyright + CrossHair)就充当了一个构造性证明引擎。 从面向数据编程和类型驱动开发的视角看: 定义一个不可变且带约束的类型,就是在陈述定理。 编写一个纯函数,在不使用逃生舱口(比如 any、as unknown 或 # type: ignore)的情况下把类型 A 转换为类型 B,就是在提供构造性证明。 当类型检查器分析抽象语法树(AST)并确认所有分支、可辨识联合和类型约束都匹配时,它就是在签发自己的 Q.E.D.。 为了消除单智能体的自满,我们把代码生成流水线组织成一个有限状态机,四个智能体在一个闭环中运行,由人类工程师协调: [人类工程师需求] │ ▼ ┌──────────────────────────────────────┐ │ 1. Specifier Agent(架构师) │ │(定义契约、类型与定理) │ └──────────────────┬───────────────────┘ │(不可变签名) ▼ ┌──────────────────────────────────────┐ ┌─────►│ 2. Implementer Agent(构建者) │◄─────┐ │ │(为类型编写纯函数) │ │ │ └──────────────────┬───────────────────┘ │ │ │ │ (缩减后的反例) [候选代码] (类型错误 / │ │ 穷尽性) │ ▼ │ ┌───────┴──────────────┐ ┌──────────────────────────────────┴───┐ │ 3. Falsifier Agent │ │ 4. Verifier Agent(类型裁判) │ │(PBT) ├─►│(严格类型检查器与 AST 审计) │ └──────────────────────┘ └──────────────────┬───────────────────┘ │(类型被填充 + 0 失败) ▼ [已验证的代码]

  1. Specifier Agent(类型架构师) 任务:把含糊的业务需求翻译成不可变的数据结构、严格的契约和函数签名。 操作约束:禁止编写实现逻辑(函数体只能包含 ... 或抛出 new Error("Not implemented"))。它唯一的交付物是类型(需要被填充的定理)。 任务:编写纯数据转换逻辑,满足 Specifier 创建的签名。 操作约束:它对 Specifier 的类型定义只有只读权限。它不能为了让自己轻松而修改函数签名,也不能使用类型规避特性(any、cast、ignore)。 任务:假定 Implementer Agent 犯了错。它分析 Specifier 的类型,生成基于属性的测试套件(Python 中可用 Hypothesis,TypeScript 中可用 fast-check),用成千上万个边界情况对实现进行狂轰滥炸。 循环中的权力:如果它发现了一个溜过类型系统的逻辑缺陷,就直接把缩减后的反例(最小反例)返回给 Implementer,让它重写代码。 任务:充当确定性的形式化守门人。它以超严格模式用静态检查器编译类型与实现之间的关系,审计 AST 以确保没有绕过任何类型规则,并运行符号化契约验证器。 循环中的权力:只要编译器指出子类型错误或模式匹配的穷尽性缺失,循环就阻止批准,并强制 Implementer 修复证明(即代码)。 设想一个处理订单退款的金融系统。业务规则要求: 退款金额必须严格为正,且永远不超过原始支付金额。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →