【2026CCF中国开源大会分论坛介绍】智能体时代的开源软件开发：赋能与挑战_最新动态

首页 > 最新动态 > 【2026CCF中国开源大会分论坛介绍】智能体时代的开源软件开发：赋能与挑战

最新动态

【2026CCF中国开源大会分论坛介绍】智能体时代的开源软件开发：赋能与挑战

2026-07-3023

2026 CCF中国开源大会

2026 CCF中国开源大会（CCF ChinaOSC）将于2026年8月15日至16日在重庆召开，大会由中国计算机学会主办，CCF开源发展技术委员会、重庆大学联合承办，以“渝见开源，数智启新”为主题。

本届大会将依托重庆深厚的软件产业底蕴与新兴智能科技生态，围绕AI赋能软件工程（AI4SE）与软件工程驱动AI（SE4AI）核心议题，汇聚国内外顶尖专家学者与开源领军人物，共同探索数智时代下的开源代码生成与可信维护、操作系统、工业软件、开源大模型与智能体开源卫星、开源科学计算、开源供应链安全等关键前沿方向。

作为中国开源领域的年度盛会，大会诚挚邀请软件工程、人工智能及开源领域的学术界、企业界、教育界学者、从业者、师生等踊跃参会，共绘中国开源新篇章！

分论坛：智能体时代的开源软件开发：赋能与挑战

论坛主旨

随着大模型及智能体技术的快速发展，开源软件开发正经历深刻变革。智能体逐步融入代码生成、缺陷修复、测试、文档生成和项目维护等环节，在提升开发效率的同时，也带来代码质量、责任归属、安全合规和供应链风险等新挑战。

本论坛聚焦智能体时代开源软件开发的赋能与挑战，重点探讨大模型和智能体对开源项目开发、维护与协作的影响，智能体辅助编程中的质量保障与可信机制，开源软件供应链安全，以及智能软件开源生态等关键议题。论坛拟邀请相关专家学者交流最新研究进展与实践经验，推动学术界和产业界关注智能体对开源软件开发、协作规则和治理机制带来的系统性影响，为构建高效、可信、可持续的开源软件开发体系提供新思路和新方法。

论坛主席

刘忠鑫

CCF高级会员，浙江大学计算机科学与技术学院特聘研究员。研究方向为智能软件工程，聚焦代码的表征、生成和维护。近年来，在智能软件工程领域发表CCF-A类论文40余篇，主持国家自然科学基金、浙江省自然科学基金等纵向项目4项、主持腾讯犀牛鸟专项、CCF-华为胡杨林基金等横向课题8项，参与国家科技重大专项课题。受邀担任软件工程领域顶级会议ICSE、FSE、ASE的程序委员会委员、顶级期刊TSE的编委会成员。多次获得CCF-A类会议的杰出论文奖，两次获得CCF-A类会议的杰出审稿人奖，曾获ACM杭州新星奖、华为启真优秀青年学者、CCF软件工程专委会博士学位论文激励计划等奖励。

王焱林

CCF高级会员，中山大学软件工程学院副教授。加入中山大学前，曾担任微软亚洲研究院高级研究员。主要研究方向为智能化软件工程，包括代码智能、经验软件工程、软件修复等。曾在软件工程、人工智能领域的高水平会议和期刊ICSE、FSE、ISSTA、ASE、ACL等发表50余篇学术论文，曾3次获得 ACM SIGSOFT 杰出论文奖、最佳论文奖。谷歌学术论文引用6000余次。曾获ACM珠海新星奖，担任ICSE 2027、FSE 2025组织委员会委员， ICSE，ISSTA，FSE等国际会议的程序委员会委员。

论坛议程

嘉宾与报告介绍

玄跻峰

中国计算机学会（CCF）杰出会员、武汉大学教授、博士生导师，计算机学院副院长。软件工程专委常务委员、服务计算专委委员、开源发展技术委员会委员，武汉计算机软件工程学会常务理事，武汉市开源创新中心（软件工程）主任。主要研究领域为软件分析与测试。在软件工程权威期刊会议发表论文100余篇。担任Empirical Software Engineering、Journal of Software: Evolution and Process等期刊编委，担任Automated Software Engineering Journal、Science China Information Science等期刊客座编辑，担任全国演化计算与学习会议2021主席，中国软件大会2025本地组织委员会主席。论文获ACM SIGSOFT杰出论文奖、IEEE TCSE杰出论文奖。入选IEEE ICSME杰出服务奖、武汉大学查全性教授1977奖教金、华为开发者布道师、首批中国科协青年人才托举工程；获CCF优秀博士论文奖、CCF NASAC青年软件创新奖。

智能体时代的代码质量保障与开源挑战

软件质量问题难以预知。软件质量保障技术，包括测试、调试、重现等，能够有效降低人力消耗，提升软件生产效率；大模型及智能体的输出具有极高的多样性，同时提供了极强的非确定性。本报告探讨智能体时代之下，代码质量保障与开源生态的技术挑战，探索大模型多样性与开源生态稳定性的平衡，简述近期对该研究的浅显思考。

王莹洁

王莹洁，CCF杰出会员，烟台大学教授、博士生导师。IEEE Senior Member，山东省优秀青年基金获得者，山东省青创团队负责人，“天算星座”华东地面站负责人，烟台市“双百计划”拔尖人才。数字服务计算与系统山东省重点实验室副主任，空天信息融合与服务计算山东省高校未来产业工程研究中心主任。主要从事群智感知网络、服务计算、人工智能等领域的研究工作，主持国家自然科学基金面上/青年项目，中国博士后科学基金特别资助/面上项目，山东省自然科学基金优秀青年/面上等项目15项。发表高水平学术论文110余篇，其中，ESI高被引论文5篇，热点论文1篇，会议最佳论文4篇，引用次数3000余次，首位授权中美发明专利21件，首位出版专著《多空间群智感知计算》。获山东省科技进步奖一等奖、山东省人工智能自然科学奖一等奖、山东省巾帼建功标兵、中国计算机学会服务计算青年才俊奖、山东省自然科学奖等奖项和荣誉称号。担任IEEE TCSVC多样性主席兼宣传主席、CCF服务计算专委会办公室副主任、CCF人工智能与模式识别专委会委员、CCF协同计算专委会委员、CCF普适计算专委会委员、中国人工智能学会智能服务专委会常务委员、山东省人工智能学会常务理事/副秘书长、山东计算机学会理事等学术兼职。

人机物融合智能化软件的多维建模与协同机制

人机物融合智能化软件致力于表征和封装海量异构的人机物三元资源，通过人类、计算设备与物理实体的紧密交互协同，实现对复杂任务智能决策、高效执行，是落实国家人工智能相关战略的重要路径。在智能制造、智慧城市、无人系统等关键应用领域，人机物融合智能化软件的可信行为建模与协同调控受到极大关注。然而，由于系统结构复杂、行为具有高度不确定性，其建模与调控面临两大核心难题：一是异构主体间的信息更新、任务调度与资源分配存在持续反馈关系，难以独立建模与优化；二是海量候选规则空间中，传统进化搜索依赖单纯适应度评价，缺乏语义层面的有效引导，导致规则演化效率低、可解释性差。为了应对以上难题，报告人进行了深入研究。本报告将重点介绍报告人在面向人机物融合智能化软件的多维建模与协同机制方面的研究进展，包括面向决策的闭环建模方法以及LEHR-C人机协同规则演化框架。

张建

北京航空航天大学教授，国家级青年人才，北航卓越青年学者。主要研究方向为软件缺陷智能分析与修复。在ICSE、FSE、ASE、ISSTA和TSE、TOSEM等CCF A类会议和期刊发表论文30余篇，获两项ACM SIGSOFT杰出论文奖。长期担任软件工程领域CCF A类会议程序委员会委员和顶级期刊审稿人，并获ASE 2025杰出评审奖。

基于大模型的缺陷检测与修复

随着软件系统日益复杂，缺陷检测与修复面临语义信息分散、故障表现多样以及修复知识难以有效利用等挑战。大模型为理解复杂程序行为、融合多源信息和生成修复方案提供了新的技术基础。本报告围绕软件缺陷的分析、定位与修复，介绍我们在多视角语义建模、神经符号融合、修复知识增强和跨模态推理等方面的研究。相关工作面向传统软件、安全漏洞、量子软件、可视化软件问题及深度神经网络等不同场景，探索如何提升缺陷识别与定位的准确性，以及自动修复的有效性和泛化能力。报告最后将结合已有研究，讨论大模型与程序分析、符号推理和外部知识协同的发展方向。

李传艺

CCF系统软件专委、软件工程专委委员，南京大学特聘研究员，博导，主要研究方向为智能化软件工程，主要关注软件智能演化，主持2项国家自然科学基金项目，相关成果发表在TSE、TOSEM、软件学报和 ICSE、FSE、ASE等软件工程学术期刊和会议，成果研制了一系列智能化软件工具，落地应用于国产编程语言开发环境、国产操作系统生态建设等信创领域，曾获ICSE 2024杰出论文奖、首批线上线下混合式国家一流本科课程（排名3）、教育部-华为“智能基座”优秀教学资源奖励计划、CCF-华为胡杨林基金系统软件专项优秀项目等。

浅谈LLM Agent从代码生成、仓库定位到设计技术债治理的能力与边界

LLM Agent正在重塑开源软件开发的协作模式，但其能否真正进入真实工程，仍有待进一步探究。本报告从代码生成、代码修改与软件维护三个递进场景，浅析LLM Agent在生成完整项目代码、定位需要修改的代码位置以及治理设计类技术债等方面的能力进展与挑战。本报告对应的研究表明（1）多智能体协作已能根据多页面UI截图生成可编译、可运行并保持交互与导航一致的多页面移动应用，一定程度上跨越了从代码片段到软件系统的鸿沟；（2）引入代码结构图与历史开发经验形成的持久化仓库记忆，能显著提升特征请求驱动的文件级与函数级定位，尤其在新增代码场景下，一定程度上跨越从瞬时上下文到仓库长期知识的鸿沟；（3）通过 215 个仓库级实例揭示，即便最强Agent也仅能修复47.4%的注释自承认设计技术债，因为设计意图常跨越模块、层级与生命周期，现阶段Agent还难以跨越从局部修改到仓库级设计意图的鸿沟。以期通过本报告的简单分析和讨论，为感兴趣的研究者提供一些应用Agent赋能软件开发的研究灵感。

孙泽宇

中国科学院软件研究所副研究员，博士毕业于北京大学，研究方向为软件工程、程序生成、软件测试等。近年来在相关领域共发表CCF A类论文四十余篇，论文发表于ICSE、FSE、ASE、TSE、TOSEM等国际顶级会议期刊。研究成果获FSE杰出论文奖。多次担任ICSE、ASE、FSE、ISSTA、ICML等会议程序委员会委员，TSE、TOSEM、TIFS等期刊审稿人，ISSTA、SANER会议Session Chair及AAAI Workshop（PracticalDL）组织者。

智能化测试生成

本报告主要从两个方面展开：一是研究如何利用测试过程中产生的反馈，不断调整测试输入的生成方向，从有限的初始样例中探索出更多样、更有效的测试程序，从而提高发现潜在软件缺陷的能力；二是探讨如何对生成的测试用例进行学习、选择和优化，优先保留覆盖范围更广、重复程度更低且能够正常执行的用例，从而提升测试套件的整体质量与测试效率。通过这两个方面，报告分析学习驱动的方法如何减少对人工经验的依赖，并推动软件开发向更加智能和高效的方向发展。