基于UCB和诚信模块的LLM-Agent群体在软件开发效率上的优化方法

本发明公开一种基于置信区间上界算法（UCB）和诚信模块的大型语言模型智能体（LLM‑Agent）群体在软件开发效率上的优化方法，旨在解决现有LLM‑Agent群体在软件开发时无法量化Agent表现与其诚信评估不足的问题。该方法包括通过构建LLM‑Agent群体能力打分模块，将Agent执行软件开发任务的能力显式表达出来；设计LLM‑Agent诚信模块，在执行软件开发任务过程中动态调整反映Agent能力高低和诚实与否的诚信值，发现低效和不诚信Agent；利用改进的UCB模块，快速识别诚信度高且高效的LLM‑Agent，从而给予其更多参加开发任务机会，显著提升软件开发任务完成效率和质量。本发明适用于LLM‑Agent群体来解决复杂软件开发工程的场景，为LLM‑Agent群体协同优化提供了创新性解决方案。