Intelligenza artificiale e sviluppo software: generazione automatizzata e contestualizzata del codice

L'intelligenza artificiale generativa ha trasformato lo sviluppo software, ma le attuali soluzioni presentano limiti nella generazione di codice a livello di progetto, compromettendo coerenza architetturale e integrazione con componenti esistenti. Questa tesi introduce Arkimede, una piattaforma che utilizza LLM, tecniche di prompt engineering e RAG per creare codice strutturato e contestualizzato, mitigando i problemi degli approcci tradizionali. Lo studio esamina lo stato dell’arte nella generazione automatizzata del codice, analizzando le difficoltà della repository-level generation, come la gestione delle dipendenze e la coerenza stilistica. Arkimede affronta queste sfide con un'architettura scalabile e un approccio iterativo bottom-up, in cui il codice viene generato a partire dalle componenti di base fino ai livelli superiori. Tecniche avanzate di prompt chaining e raffinamento automatico migliorano progressivamente la qualità del codice, riducendo la necessità di intervento manuale. I test su casi reali dimostrano che Arkimede migliora la produttività e la qualità del codice, garantendo coerenza con le specifiche di progetto e riducendo tempi di sviluppo e debito tecnico. L’integrazione di AI generativa e strategie di ingegneria del software si rivela dunque una soluzione efficace per l’automazione della scrittura di codice a livello di progetto.