Η μετατόπιση της τεκμηρίωσης λογισμικού από τη λογική εκτέλεσης καθώς οι κώδικες εξελίσσονται, δημιουργεί τεχνικό χρέος που υποβαθμίζει την ευχρηστία και προκαλεί κατάχρηση API. Παρότι τα εργαλεία στατικής ανάλυσης μπορούν να ανιχνεύσουν την απουσία τεκμηρίωσης, δεν μπορούν να αξιολογήσουν τη συνεκτικότητα του περιεχομένου. Αντίθετα, τα Στάνταρ Μεγάλα Μοντέλα Γλώσσας (LLMs) προσφέρουν ευελιξία γενιάς, αλλά συχνά παρουσιάζουν προβλήματα όταν ενημερώνουν τεκμηρίωση χωρίς βαθιά δομική κατανόηση του υποκείμενου κώδικα.
Για να αντιμετωπιστεί αυτό το κενό, προτείνουμε το DocSync, μια ροή εργασίας που αντιμετωπίζει τη συντήρηση τεκμηρίωσης ως μια διαδικασία γενιάς που βασίζεται στη δομή. Το DocSync συνδέει αλλαγές σύνταξης και φυσικές γλωσσικές περιγραφές (AST) και τη Γενιά Εμπλουτισμένης Ανάκτησης (RAG) για να παρέχει εξαρτησιοκεντρικό πλαίσιο. Επιπλέον, για να διασφαλιστεί η ακρίβεια των γεγονότων, ενσωματώνουμε έναν κύκλο κριτικής καθοδηγούμενης από την παράδειγμα Reflexion, επιτρέποντας στο μοντέλο να αυτοδιορθώνει ενημερώσεις υποψηφίων σε σχέση με τον αρχικό κώδικα.
Αξιολογούμε εμπειρικά μια εφαρμογή περιορισμένων πόρων του DocSync χρησιμοποιώντας ένα LoRA-προσαρμοσμένο μικρό μοντέλο γλώσσας, σε μια εργασία συντήρησης κώδικα-σε-κείμενο. Τα ευρήματά μας δείχνουν ότι αυτή η προσέγγιση του DocSync, που βασίζεται στην δομή της AST, υπερέχει σημαντικά των βασικών encoder-decoder σε θέματα ευθυγράμμισης του περιεχομένου, πιστότητας περίληψης και προτιμήσεων αυτοματοποιημένων δικαστών (π.χ., επιτυγχάνοντας βαθμολογία 3.44/5.0 σε σύγκριση με 1.91 για το CodeT5-base). Ο κρίσιμος κύκλος κριτικής επιφέρει μετρήσιμες βελτιώσεις στη ορθότητα των περιεχομένων χωρίς να απαιτείται αύξηση των παραμέτρων.
Αυτά τα αποτελέσματα παρέχουν ισχυρά στοιχεία ότι η σύνδεση δομικής ανάκτησης με την αναθεώρηση που βασίζεται σε κριτική αποτελεί πολλά υποσχόμενη κατεύθυνση για την αυτόνομη μείωση του χρέους τεκμηρίωσης.
