في عالم تسريع التطورات التقنية، يبدو أن نماذج اللغات الضخمة (Large Language Models) قد حققت خطوات ملحوظة في مجال توليد الأكواد، لكنّ التحديات ما زالت قائمة. صعوبة ضمان الدقة في المهام المعقدة على مستوى المستودع تمثل واحدة من أكبر العقبات. غالبًا ما تستخدم الطرق الحالية الاختبارات المولّدة كمدققين ثابتين بعد تنفيذ الكود، مما يحد من قدراتها على توجيه التنفيذ ويمكن أن يؤدي إلى ردود فعل مضللة إذا كانت الاختبارات نفسها غير كاملة أو خاطئة.

لذلك، يسعدنا تقديم TDD-Agent، النموذج الذي يجسد فكرة تطوير البرمجيات بناءً على الاختبارات. يقوم TDD-Agent أولاً بتحفيز النموذج على إنشاء اختبارات قابلة للتنفيذ، مما يشجع على توضيح السلوكيات المتوقعة قبل بدء التنفيذ. وبعد ذلك، يقوم بإجراء تنقيحات مزدوجة متكررة على كل من الكود والاختبارات باستخدام ملاحظات التنفيذ.

من خلال العزل الفعلي لتأثير التفكير المنطلق من الاختبار عبر استخدام نسخة متغيرة تُسمى TDD-prompt على LiveCodeBench، أثبت TDD-Agent أنه يفوق بكثير طرق التوجيه المعتمدة على التفكير.

عندما تم تقييم الإطار الكامل لـ TDD-Agent على RepoEval، وهو معيار على مستوى المستودع، أظهر أداءً متفوقًا باستمرار مقارنة بالأسس القائمة على الاسترجاع أو تلك التي تعتمد على العملاء الذكيين. تشير التحليلات الإضافية إلى أن عملية التنقيح المستمرة لا تعزز الدقة فحسب، بل أيضًا فعالية الاختبارات المولدة، مما يؤدي إلى معدلات نجاح أعلى وتغطية أكبر ودرجات طفرات محسّنة.

هذا يعني أن الاختبارات يمكن أن تعمل كقطع تطورية من المعرفة، وليس كمدققين ثابتين. لمزيد من المعلومات، يتوفر الكود المصدر للإطار على هذا الرابط.