Jul 30, 2026 · OpenAI o3
From Textual Requirements to Microservice Architectures - A Comprehensive Evaluation of LLM-Based Design Synthesis
arXiv 论文 2607.28307v1 报告了一项混合方法研究，使用 OpenAI o3 在零样本和少样本提示下，从文本需求生成微服务架构，并在 Bookstore 和 PetClinic 两个系统上各执行一次，通过精确率、召回率和 F1 分数与参考架构比较，并进行盲法专家评估。
EVENT STORY
Development
- First ReportFrom Textual Requirements to Microservice Architectures - A Comprehensive Evaluation of LLM-Based Design SynthesisarXiv cs.AI
- Current Assessment该研究可能推动需求工程与架构设计的自动化衔接，但当前证据有限，尚不能断言 LLM 能可靠替代人工架构师。Agent Pulse · analysis
该研究评估了 LLM 从文本需求合成微服务架构的能力，使用 OpenAI o3 在零样本和少样本条件下，针对 Bookstore 和 PetClinic 两个系统各执行一次。评估包括与参考架构的结构一致性（服务识别和通信恢复的精确率、召回率、F1）以及盲法专家对正确性的评估。研究背景是微服务架构占主导但服务识别仍主要依赖代码，限制了早期设计阶段的应用。
LLM 在从文本需求生成微服务架构方面显示出潜力，但评估仅基于两个系统各一次执行，样本量小，结果可能不稳定。零样本与少样本的差异未在摘要中明确，需关注完整论文中的具体分数。
该研究可能推动需求工程与架构设计的自动化衔接，但当前证据有限，尚不能断言 LLM 能可靠替代人工架构师。
若 LLM 能可靠生成微服务架构，可加速遗留系统现代化，降低早期设计成本，但需更多验证。
后续可关注更大规模、多系统、多模型的评估，以及少样本提示对架构质量的具体影响。