Automatisierung von Bugfixes mit Multi-LLM-Agentenclustern: Günstiger als gedacht

Dieser Beitrag beschreibt einen neuartigen Ansatz zur automatisierten Fehlerbehebung mit mehreren großen Sprachmodellen (LLMs). Durch die Integration von Asana, dem Aider-Codierungsagenten und einem Sublayer-Agenten löst das System automatisch drei LLMs (GPT-4o, Claude 3.5 Sonnet und Gemini 2.0 Flash) aus, um denselben Fehler zu beheben. Jeder Versuch läuft in einem separaten Git-Branch ab, was zu mehreren Pull-Requests führt. Dieser Ansatz der „verschwendeten Inferenz“ erweist sich als überraschend kostengünstig und effizient und bietet Redundanz und diverse Lösungen. Selbst wenn ein Modell fehlschlägt, können andere erfolgreich sein und alternative Ansätze liefern. Dieses Experiment zeigt das Potenzial dieser automatisierten, multi-Modell- und kostengünstigen Fehlerbehebung und deutet auf einen Paradigmenwechsel in der zukünftigen Entwicklung hin.