$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Automatyczne generowanie dokładnych modeli SysML na podstawie wymagań języka naturalnego może znacząco przyspieszyć wdrażanie inżynierii systemów opartych na modelach (MBSE) w rozwoju złożonych systemów. Jednak korzystanie z dużych modeli językowych (LLM) do generowania kodu modelu często nie spełnia ścisłych ograniczeń składniowych formalnych języków modelowania, a konsekwentne zapewnienie semantycznego dopasowania między generowanymi modelami a wymaganiami pozostaje wyzwaniem. Aby sprostać tym wyzwaniom, artykuł przedstawia MAS4SysML, wieloagentowy framework współpracy do generowania kodu SysML v2, który poprawia poprawność składniową i spójność semantyczną przy ograniczonym budżecie napraw. Framework rozkłada zadanie modelujące na hierarchiczne podzadania, formalizuje je jako strukturalne karty zadań i generuje kod modelu w sposób oddolny. Podczas generowania używa się oficjalnego środowiska walidacyjnego do diagnostyki składni; Po ukończeniu framework weryfikuje spójność semantyczną między kodem a kartami zadań. Jeśli walidacja składni lub semantyczna zawodzi, ramy iteracyjnie naprawiają i rewalidują kod w ramach ustalonego budżetu napraw, kierując się informacjami zwrotnymi diagnostycznymi, aż do spełnienia kryteriów walidacji lub wyczerpania budżetu. Aby ocenić proponowaną metodę, tworzymy zbiór danych SysML v2 obejmujący pięć podstawowych typów zadań — wymagania, przypadki użycia, strukturę, parametrykę i maszyny stanów — oraz przeprowadzamy eksperymenty porównawcze. Wyniki pokazują, że MAS4SysML zmniejsza średni wskaźnik błędów składniowych do 2,63, zwiększa podobieństwo semantyczne do 0,91 i przewyższa istniejące metody generowania kodu ogólnie.