Исследователи проанализировали эффективность LLM в автоматическом проектировании архитектуры микросервисов на основе текстовых требований. В отличие от традиционных подходов, ориентированных на анализ существующего кода, предложенный метод позволяет переходить к системному дизайну на ранних этапах разработки. Работа оценивает точность декомпозиции систем и качество формируемых связей между сервисами, предлагая новый стандарт для оценки агентных систем в архитектурном проектировании.

Процесс проектирования микросервисов традиционно является трудоемким и субъективным процессом, выполняемым вручную. Использование LLM для анализа бизнес-требований позволяет сократить разрыв между постановкой задачи и технической реализацией. Авторы исследования провели комплексную оценку того, насколько эффективно современные модели справляются с выявлением границ сервисов, учитывая такие параметры, как связность (cohesion) и сцепление (coupling) компонентов системы.

Результаты работы подчеркивают потенциал ИИ в снижении когнитивной нагрузки на системных архитекторов. Исследование демонстрирует, что LLM способны генерировать жизнеспособные архитектурные структуры, которые соответствуют заданным функциональным требованиям. Это открывает возможности для интеграции ИИ-ассистентов в процессы проектирования сложных программных систем, обеспечивая более быструю и стандартизированную разработку на этапе формирования технического задания.

Ключевые факты

  • Исследование сфокусировано на переходе от неструктурированных текстовых требований к формализованной архитектуре микросервисов.
  • Проведен сравнительный анализ эффективности различных LLM при декомпозиции монолитных систем на независимые сервисные единицы.
  • Оценка качества архитектуры проводилась на основе метрик связности и сцепления, критически важных для масштабируемости систем.
  • Работа подтверждает возможность применения ИИ на ранних стадиях жизненного цикла разработки ПО, где отсутствует готовый программный код.