$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
La generazione automatica di modelli SysML accurati a partire dai requisiti del linguaggio naturale può accelerare sostanzialmente l'adozione dell'Ingegneria dei Sistemi Basata su Modelli (MBSE) nello sviluppo di sistemi complessi. Tuttavia, l'uso di grandi modelli linguistici (LLM) per generare codice di modello spesso non rispetta i rigidi vincoli sintattici dei linguaggi di modellazione formale, e garantire costantemente l'allineamento semantico tra modelli generati e requisiti rimane una sfida. Per affrontare queste sfide, questo articolo presenta MAS4SysML, un framework collaborativo multi-agente per la generazione di codice SysML v2 che migliora la correttezza sintattica e la coerenza semantica con un budget di riparazione limitato. Il framework scompone un compito di modellazione in sottocompiti gerarchici, li formalizza come schede di lavoro strutturate e genera codice modello in modo bottom-up. Durante la generazione, viene utilizzato un ambiente ufficiale di validazione per la diagnostica della sintassi; Dopo il completamento, il framework verifica la coerenza semantica tra il codice e le schede di lavoro. Se la validazione sintattica o semantica fallisce, il framework ripara e rivalida iterativamente il codice all'interno di un budget di riparazione predefinito, guidato da feedback diagnostico, fino a quando i criteri di validazione non sono soddisfatti o il budget è esaurito. Per valutare il metodo proposto, costruiamo un dataset SysML v2 che copre cinque tipi di task principali—requisiti, casi d'uso, struttura, parametrici e state machine—e conduciamo esperimenti comparativi. I risultati mostrano che MAS4SysML riduce il tasso medio di errore sintattico a 2,63, aumenta la somiglianza semantica a 0,91 e supera complessivamente i metodi di generazione del codice esistenti.