计算机应用研究

作者：邵宁宁,刘臣,

单位：上海理工大学管理学院,上海200093；

关键词：代码异味,上帝类,多智能体协同,大语言模型,特征归因,

基金：国家社科基金资助项目(24BGL281)；国家自然科学基金资助项目(72574145)；；

上帝类是一种典型的代码异味，其存在会降低软件的可扩展性和可维护性，进而增加系统故障风险与维护成本。为此，提出由规范化博弈式多智能体框架与全局共享的上下文工程组成的检测方法。先以梯度提升树结合 SHAP 特征归因获得可审计的结构先验与关键特征；并据此生成复杂度感知的提示词与初始证据。随后，多个智能体角色在受控协议下自适应地触发与停止，讨论过程写入共享记录并与证据视图对齐，从而降低对提示表述的敏感性并提升可审计性。最后将推理检测概率与结构先验评分按照可学习权重进行凸组合得到最终判定。实验结果表明，本方法在判定一致性保持Cohen’s κ≥0.75的前提下，检测性能显著优于现有基线。在跨项目MLCQ数据集上的实验中，F1-score相比基线方法提升14.6 %~76.1 %，同时误报率下降 37.6 %~80.4 %，兼顾了高召回与低误报。

来源：2026年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第5期