A Multi-agent Onboarding Assistant based on Large Language Models, Retrieval Augmented Generation

主要内容

1. 背景与问题：软件工程领域技术更新快，新开发者需快速适应新技术、代码库、项目需求和团队文化。传统入职培训方法成本高、耗时久且易过时，现有基于大语言模型（LLMs）的工具在有效管理和实施指导方面存在挑战。
2. 相关工作：传统入职培训依赖导师指导，资源消耗大且在全球分布式项目中效果不佳。现有工具如GitHub Copilot和ChatGPT插件，缺乏Onboarding Buddy针对入职场景的上下文特定能力。
3. Onboarding Buddy系统：采用以代理为中心的方法，由上下文代理、入职代理、步骤处理器和消息增强代理协作提供答案。入职代理是核心，包含内存存储、检索工具和规划暂存区三个子组件，利用自定义思维链（CoT）方法解决入职任务。
4. 研究设置：招募8名程序员，让他们在一个不熟悉的闭源项目上完成三个入职任务，收集项目遥测数据，让参与者对系统的有用性和入职难易程度进行评分并提供开放性反馈。
5. 结果：8名参与