可靠的代码生成方案

一、原理

“AI Coding” 本质底层仍依然是 Chat Bot 的对话式方式，但 Transformer 架构在信息噪点过多时易导致 有效信息熵浓度下降，进而引发 “幻觉” 现象。MortiseAI 将代码开发拆解成多个子任务，针对每个子任务匹配最合适的模型执行任务，再将子任务结果聚合。该方法既可降低生成信息的噪点、提升生成准确率，同时可并行处理多个子任务，以减少整体运行时间，显著优化 AI 在编程领域的效率。

二、方案

MortiseAI 的任务规划方案是一种叫做 “Maximal Agentic Decomposition” 方法的实践，通过将任务拆解原子化任务，并通过多种微智能体组成的智能体网络代替单一智能体去完成复杂任务的解决方案

我们称这种任务规划方案为 “行为驱动拆解 - Behavior-driven Decomposition”，并为此建立一个明确且可行代码编写方法。

当开发者的提出软件需求时，我们并不会直接开始代码编写，而是会先抽象分析，将需求抽象为软件在使用过程的行为，以此为基础编写规范文档，开发者可以通过规范文档完全理解软件在运行时的行为操作，同时可以对规范文档进行多次修改和确认，最后生成代码时，MortiseAI 内部 Agentic 会按照规范文档与 MSCE 代码规则的关系进行代码生成，最终实现标准且可执行的代码工程。