arXiv:2609.24348v1 cs.SE

응용 AI 교육을 위한 경량 사양 주도 AI 지원 소프트웨어 개발 수명 주기: AI-SDLC 접근법

A Lean and Spec-Driven AI-Assisted Software Development Lifecycle for Applied AI Education: The AI-SDLC Approach

Andreas Martin, Sandro Schwander

제출 2026-09-22

한국어 초록

AI 코딩 에이전트는 코드 완성을 넘어 계획, 구현, 테스트, 저장소 수준 작업 실행까지 소프트웨어 개발을 점점 더 지원한다. 그러나 실무에서의 사용은 종종 기존 소프트웨어 공학 관행과 약하게만 연결되어 있다. 본 연구의 목표는 거버넌스가 적용된 에이전트형 소프트웨어 공학을 위한 경량의 사양 주도 수명 주기를 개발하고 평가하는 것이다. 이 수명 주기는 기존 소프트웨어 공학 관행과 사양(specifications), AGENTS.md, 단계별 에이전트 스킬 파일을 통한 저장소 로컬 가이던스를 결합한다. 이 접근법은 FHNW 과정 AI-assisted Software Development 맥락에서 개발되었으며, 학생들이 비즈니스 지향 소프트웨어 사용 사례에 적용하였다. 교육적·실무적 적용 가능성은 폐쇄형 평점 항목과 개방형 질문을 결합한 학생 설문을 통해 탐구하였다. 본 연구의 기여는 AI 코딩 에이전트가 명시적이고 검토 가능하며 테스트 지향적인 소프트웨어 개발 수명 주기 내에서 제한된 자율성으로 동작하도록 하는 프로세스 중심 프레임워크이다.

원문 초록

AI coding agents increasingly support software development beyond code completion, including planning, implementation, testing, and repository-level task execution. Their practical use, however, often remains only weakly connected to established software engineering practices. The aim of this work is to develop and evaluate a lightweight, spec-driven lifecycle for governed agentic software engineering. The lifecycle combines established software engineering practices with repository-local guidance through specifications, AGENTS.md, and phase-specific agent skill files. The approach was developed in the context of the FHNW course AI-assisted Software Development and applied by students to business-oriented software use cases. Its educational and practical applicability is explored through a student survey combining closed rating items with open-ended questions. The contribution of this work is a process-oriented framework that enables AI coding agents to operate with bounded autonomy within an explicit, reviewable, and test-oriented software development lifecycle.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2609.24348v1제출 시각 미확인

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2607.21832v1cs.SE공통 태그 Survey, Code Generation, coding agents, software engineering

AI 코딩 에이전트는 소프트웨어 개발에 어떻게 기여하는가? 에이전틱 풀 리퀘스트에 대한 실증 연구

How Do AI Coding Agents Contribute to Software Development? an Empirical Study of Agentic Pull Requests

최근 대규모 언어 모델(LLM)의 발전과 소프트웨어 공학 작업 전반에 걸친 급속한 도입으로, 인공지능(AI) 코딩 에이전트는 현대 소프트웨어 개발 워크플로의 필수 구성 요소가 되었다. 개발자들이 이러한 코딩 에이전트로부터 점점 더 많은 이점을 얻고 있지만, 소프트웨어 품질에 미치는 영향은 여전히 충분히 이해되지 않았다. 특히 소프트웨어 개발 수명 주기 전반에 걸쳐 에이전틱 기여가 어떻게 변화하는지는 철저히 조사되지 않았다. 본 연구는 에이전틱 풀 리퀘스트(PR)를 사람이 생성한 PR과 비교하여 특성을 규명하고, 개발 수명 주기의 서로 다른 단계에서 그 속성이 어떻게 변화하는지 조사하는 것을 목표로 한다. AIDev 데이터셋을 사용하여, 먼저 에이전틱 PR과 사람이 생성한 PR 간 병합률 차이가 시간에 따라 어떻게 변하는지 분석한다. 다음으로 AI 코딩 에이전트가 주로 적용되는 개발 작업 유형을 파악하고, 이러한 작업 분포가 개발 분기(quarter)에 걸쳐 어떻게 변화하는지 조사한다. 마지막으로 에이전틱 PR과 사람이 생성한 PR의 핵심 특성들을 비교하며, 소프트웨어 품질에 대한 함의와 시간적 역학에 초점을 맞춘다. 전반적으로 본 연구 결과는 소프트웨어 개발에서 AI 코딩 에이전트의 역할에 대한 실증적·종단적 관점을 제공하며, 실제 현장에서의 이점과 한계에 대한 보다 미묘한 이해를 제시한다.

arXiv:2607.20911v1cs.CL공통 태그 Code Generation, coding agents, software engineering

Tencent WorkBuddy Bench: 오염 저항형 태스크 구성을 갖춘 다중 도메인 코딩 에이전트 벤치마크

Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction

우리는 코딩 에이전트를 위한 다중 도메인 평가 모음인 Tencent WorkBuddy Bench를 소개한다. 본 보고서는 그 구성 방법론, 채점 프로토콜, 그리고 교차 모델 리더보드를 기록한다. 핵심은 Code, Web, Office, Security라는 네 가지 작업 도메인에 걸쳐 분포 정보를 반영한 코딩 에이전트 태스크를 구성하고 실행하기 위한 통합 평가 프레임워크이다. 공개 이슈 텍스트를 적응하는 대신, 모든 태스크는 실제 커밋, pull request, 또는 비즈니스 시나리오에서 역공학(reverse-engineered)되어 짧고 구어체적이며 역할극 형식의 요청으로 재작성되므로, 태스크의 프롬프트는 기반 이슈, pull request, 또는 커밋 스레드를 웹 검색으로 복구할 수 없다. 데이터셋이 태스크 디렉터리, 환경 이미지, 평가 하네스, 테스트, 참조 솔루션과 함께 공개적으로 배포되기 때문에, 오염(contamination) 저항성은 비밀 유지가 아니라 이러한 구성 방식과 데이터셋 버저닝에 기반한다. 네 가지 하위 집합—저장소 수준 엔지니어링, 프론트엔드 개발, 오피스 및 비즈니스 워크플로, 레드팀/블루팀 보안—은 각자 고유한 검증 방식으로 실제 업무의 상보적인 측면을 탐색한다. 모두는 통일된 태스크 디렉터리 형식으로 패키징되며, 통일되고 재현 가능한 프로토콜 하에서 두 에이전트 하네스(CodeBuddy Code 및 Claude Code)에서 실행된다. 전면 공개 배포는 벤치마크를 종단 간(end to end) 재현 가능하고 직접 감사 가능하게 하며, 제3자가 각 태스크를 재실행하고 그 내용을 검사할 수 있기 때문이다. 각 하위 집합이 서로 다른 채점 도구를 사용하기 때문에, 점수는 하위 집합 간 비교 가능하지 않으며, 이 모음은 전체 평균을 보고하지 않는다. 우리는 여러 모델 패밀리에 걸친 교차 모델 리더보드를 보고한다.

arXiv:2610.15708v1cs.AI공통 태그 Code Generation, coding agents

SpecForge: 동작 명세를 통한 코딩 에이전트의 재귀적 자기 개선

SpecForge: Recursive Self-Improvement for Coding Agents via Behavioral Specifications

동결된 언어 모델 기반의 코딩 에이전트(agent)는 모델(model) 가중치를 업데이트하지 않고도 자신이 의존하는 외부 컨텍스트를 개선함으로써 성능을 향상할 수 있습니다. 본 연구에서는 프로그램 엔티티의 동작을 기술하고 에이전트가 올바른 코드를 생성하도록 안내하는 자연어 코드 문서인 동작 명세(behavioral specification)를 통한 재귀적 자기 개선을 탐구합니다. 우리는 에이전트가 현재 명세로부터 코드를 생성하고, 실행 검증된 테스트로 이를 평가(evaluation)하며, 관찰된 실패를 바탕으로 명세를 개선하는 자기 개선 루프를 정식화합니다. 이렇게 개선된 명세는 이후의 코드 생성을 유도하여 에이전트의 코드베이스 이해도를 점진적으로 향상시킵니다. 그러나 프로그램 엔티티들은 상호 의존적이기 때문에 재귀적 개선은 까다롭습니다. 한 엔티티의 명세를 개선하는 과정에서 다른 엔티티의 정확도가 의도치 않게 저하될 수 있으며, 우리는 이를 출력 결합(output coupling) 현상이라고 부릅니다. 이는 국소적인 개선이 다른 곳에서 회귀를 유발하여 일관된 발전을 저해하는 두더지 잡기 효과를 야기합니다. 우리는 세 가지 메커니즘을 통해 이 문제를 해결하는 다중 프론티어 트리 탐색 프레임워크인 SpecForge를 소개합니다: (i) 파레토(Pareto) 기반 상태 선택은 상호보완적인 명세 상태를 보존하고 조기 확정을 방지하며, (ii) 의존성 제약 엔티티 선택은 피호출자 우선 정제를 우선시하고, (iii) 오류 다양화 확장은 서로 다른 테스트 실패 부분집합을 활용해 다양한 개선 방안을 탐색합니다. DevEval+에서 SpecForge는 5개 백본 모델에 걸쳐 최고 성능을 달성했으며, 여기에는 Claude-4.5-Sonnet을 통한 94.9% 해결률과 가장 강력한 기준선(baseline) 대비 평균 5.7%포인트 향상이 포함됩니다. 또한 개선된 명세는 에이전트가 루프 외부의 작업을 수행하는 능력도 향상시킵니다. 즉, 교차 언어 번역 및 새로운 기능(feature) 구현으로 전이되어 벤치마크(benchmark)에서 제공된 요구사항 문서를 능가하는 성능을 보였습니다.

arXiv:2610.13356v1cs.AI공통 태그 Code Generation, coding agents

SWE-Critix: 코딩 에이전트 궤적 평가를 위한 범용 검증기 사후 학습

SWE-Critix: Post-Training Generalist Verifiers for Assessing Coding-Agent Trajectories

코딩 에이전트는 엔드투엔드 소프트웨어 엔지니어링 작업에 점점 더 많이 배포되고 있지만, 성공 기준을 정의하는 즉시 사용 가능한 오라클 평가자가 없는 경우가 많다. 이는 코딩 에이전트의 행동을 신뢰성 있게 판단하고 설명할 수 있는 검증 방법에 대한 필요성을 불러일으킨다. 그러나 코딩 에이전트가 장기간에 걸친(long-horizon) 소프트웨어 엔지니어링 작업을 해결하는 능력이 점점 향상되면서 검증은 결코 간단하지 않다. 이들의 실행 궤적(trajectory)은 매우 길어질 수 있으며, 코드 저장소 및 외부 도구와의 수백 차례에 이르는 반복적 상호작용을 포함한다. 기존 검증기들은 전문적인 학습 없이 범용 LLM에 의존하거나, 주로 스칼라 보상(scalar reward) 생성에 초점을 맞춘 전용 비평가(critic)를 학습시키는 데 그치고 있어, 학습 기반 범용 검증(generalist verification)에 대한 탐험이 상대적으로 제한적이었음을 보여준다. 우리는 코딩 에이전트 궤적에 대한 범용 검증기를 학습시키기 위한 사후 학습 파이프라인인 SWE-Critix를 소개한다. 작업과 그 실행 궤적이 주어지면, 학습된 검증기는 완료 레이블(completion label)을 예측하고 그 판단을 설명하는 자연어 분석을 생성한다. 본 파이프라인은 지도 미세조정(SFT)과 강화학습(RL)을 결합하며, CodeForge-Preview의 궤적 데이터를 사용하여 일련의 30B 모델들을 학습시킨다. 홀드아웃 테스트 세트에서 SWE-Critix는 분류 정확도를 기본 Qwen3-30B-A3B 추론 모델의 57%에서 SFT 이후 66%, RL 이후 78%까지 향상시킨다. 우리는 추가 연구를 촉진하기 위해 모델, 데이터셋, 학습 코드를 공개한다.

arXiv:2610.13361v1cs.SE공통 태그 Code Generation, coding agents

AgentSWE: 코딩 에이전트는 사용자가 실제로 원하는 에이전트를 구축할 수 있는가?

AgentSWE: Can Coding Agents Build the Agent You Actually Want?

소프트웨어 제작이 소프트웨어 자체의 손에 맡겨짐에 따라, 코딩 에이전트(coding agent)가 사용자의 자체 워크플로에 맞춤화된 에이전트를 구축하도록 위임받는 사례가 점차 늘어나고 있습니다. 이러한 위임에는 제공된 에이전트가 단지 그렇게 보이는 것에 그치지 않고, 구축 목적이었던 요구사항을 충실히 수행할 것이라는 암묵적인 가정이 깔려 있습니다. 그러나 기존의 어떤 벤치마크도 이 가정을 검증하지 않습니다. 본 논문에서는 자연어 요구사항으로부터 완전한 에이전트를 제작하는 생성(Creation), 프로덕션 에이전트 코드베이스의 수정(Editing), 측정 가능한 목표를 향한 최적화(Optimization)라는 에이전트 개발 수명 주기의 3단계를 아우르는 에이전트 소프트웨어 엔지니어링 벤치마크인 AgentSWE를 소개합니다. 25개의 각 태스크는 시험이라기보다는 의뢰의 형태로 구성됩니다. 즉, 빌더는 소수의 예시 케이스를 바탕으로 반복 개선하고, 인수 평가 단계에서는 엄격한 통과/실패 기준을 적용한 요구사항 기반 루브릭에 따라(최적화의 경우 원본 벤치마크 자체의 목표에 따라) 고정된 제출물을 전체 요구사항을 포괄하도록 설계된 홀드아웃(held-out) 케이스에서 실행하여 동작을 채점합니다. 다양한 모델과 하네스에 걸쳐 여러 코딩 에이전트를 평가한 결과, 요구사항이 요구하는 바를 제대로 제공하는 에이전트는 전무했습니다. 빌더가 시연하는 모습과 실제로 제공하는 결과물 사이의 격차는 예외적인 경우가 아니라 일반적인 현상이었습니다. 실패 궤적에 대한 실증적 분석을 통해 확인된 반복적인 실패 모드로는 가시적인 케이스에 대한 과적합, 완성된 것처럼 보이는 코드 이면의 빈껍데기 런타임, 근거 없는 완료 주장 등이 있었으며, 이는 코딩 에이전트가 요청받은 에이전트를 구축하는 방법을 학습할 수 있는 각각의 신호가 됩니다.

arXiv:2610.13395v1cs.SE공통 태그 Code Generation, coding agents

ProgramGym: 장기 프로그램 재현 에이전트를 위한 학습 환경 확장

ProgramGym: Scaling Training Environments for Long-Horizon Program Reproduction Agents

코딩 에이전트(coding agent)는 저장소 내의 이슈를 해결하거나 주어진 요구사항 명세서로부터 저장소를 생성하는 것을 넘어, 소프트웨어 엔지니어처럼 처음부터(from scratch) 프로그램을 구축하는 데 점점 더 많이 활용되고 있습니다. 그러나 에이전트가 필요한 요구사항을 직접 파악하고 시스템 설계 방식을 결정하도록 강제하는, 확장 가능하고 검증 가능한 학습(training) 환경은 여전히 부족합니다. 또한 기존 에이전트 워크플로는 구현 전에 참조 프로그램을 탐색하는 장기(long-horizon) 개발 과정을 지속하기 어렵습니다. 이러한 문제를 해결하기 위해, 본 논문에서는 장기 프로그램 재현 에이전트를 위한 확장 가능한 학습 환경 프레임워크이자 Program-Env 및 Program-Agent로 구성된 ProgramGym을 소개합니다. 구체적으로 Program-Env는 런타임 샌드박스 빌드와 블랙박스 테스트 품질을 복구하는 피드백 기반 루프를 통해 저장소로부터 검증 가능한 학습 환경을 구축합니다. 이 새로운 파이프라인을 활용하여 C, C++, Go, Rust에 걸친 1,648개의 학습 환경을 확보했습니다. Program-Agent는 컴파일 검사 및 실패 복구를 위한 리비전 관리와 함께 분석, 구현, 검토의 역할 분리 워크플로를 결합합니다. ProgramBench 실험 결과는 Program-Env와 Program-Agent 모두 프로그램 재현 성능을 향상시킴을 보여줍니다. 이렇게 구축된 환경에서 얻은 궤적으로 미세조정(fine-tuning)을 수행하면 Qwen3.8-27B의 성능이 34.87%에서 42.84%로 향상됩니다. Program-Agent는 베이스 및 SFT 모델의 성능을 각각 55.71%와 56.25%까지 추가로 향상시키며, 두 모델 모두 일부 플래그십 모델을 능가합니다. 처음부터 프로그램을 구축하는 코딩 에이전트에 대한 후속 연구를 지원하기 위해 ProgramGym을 공개할 예정입니다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.