$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Автоматическая генерация точных моделей SysML на основе требований естественного языка может значительно ускорить внедрение инженерии систем на основе моделей (MBSE) в разработке сложных систем. Однако использование крупных языковых моделей (LLM) для генерации кода часто не соответствует строгим синтаксическим ограничениям формальных языков моделирования, и стабильное обеспечение семантического согласования между сгенерированными моделями и требованиями остаётся сложным. Для решения этих проблем в статье представлен MAS4SysML — многоагентный коллаборативный фреймворк для генерации кода SysML v2, который улучшает синтаксическую корректность и семантическую согласованность при ограниченном бюджете на ремонт. Фреймворк разбивает задачу моделирования на иерархические подзадачи, формализует их в виде структурированных карт задач и генерирует код модели снизу вверх. Во время генерации используется официальная среда валидации для диагностики синтаксиса; После завершения фреймворк проверяет семантическую согласованность между кодом и карточками задач. Если синтаксисная или семантическая проверка не удаётся, фреймворк итеративно ремонтирует и повторно валидирует код в рамках заранее определённого бюджета ремонта, руководствуясь диагностической обратной связью, пока критерии валидации не будут выполнены или бюджет не исчерпается. Для оценки предлагаемого метода мы создаём набор данных SysML v2, охватывающий пять основных типов задач — требования, сценарии использования, структуру, параметры и автоматы состояний — и проводим сравнительные эксперименты. Результаты показывают, что MAS4SysML снижает средний уровень синтаксической ошибки до 2,63, увеличивает семантическое сходство до 0,91 и превосходит существующие методы генерации кода в целом.