Bài báo này trình bày một phương pháp tiếp cận tác nhân hỗn hợp (MoA) để tối ưu hóa mã trong các ngành công nghiệp được quản lý. Trong môi trường mà việc sử dụng LLM thương mại bị hạn chế do các lo ngại về tuân thủ quy định và quyền riêng tư dữ liệu, chúng tôi đề xuất MoA, kết hợp nhiều LLM nguồn mở chuyên biệt để tạo mã. Chúng tôi so sánh nó với hệ thống tổng hợp dựa trên thuật toán di truyền (GA) của TurinTech AI và các trình tối ưu hóa LLM riêng lẻ. Kết quả thử nghiệm sử dụng các cơ sở mã công nghiệp trong thế giới thực chứng minh rằng MoA đạt được mức tiết kiệm chi phí lần lượt là 14,3% và 22,2% và giảm thời gian tối ưu hóa lần lượt là 28,6% và 32,2% khi sử dụng các mô hình nguồn mở. Hơn nữa, chúng tôi chứng minh tính ưu việt của tổng hợp dựa trên GA so với các mô hình thương mại và cả hai tổng hợp đều vượt trội hơn các LLM riêng lẻ. Chúng tôi xác thực khả năng ứng dụng của nó trong môi trường thực tế bằng cách sử dụng 50 đoạn mã và bảy tổ hợp LLM. Cuối cùng, chúng tôi cung cấp hướng dẫn thực tế về việc cân bằng giữa tuân thủ quy định và hiệu suất tối ưu hóa.
