Page 356 - 《软件学报》2026年第3期

张犬俊 等: 检索增强生成在软件工程中的应用综述 1319

括 SpringerLink (https://link.springer.com/)、ACM Digital Library (https://dl.acm.org/)、Scopus (https://
www.scopus.com)、arXiv (https://arxiv.org)、Web of Science (https://www.webofknowledge.com)、Google Scholar
(https://scholar.google.com/) 以及 ScienceDirect (https://www.sciencedirect.com/). 随后, 对上述文献集开展了人工筛
选. 我们逐篇审阅论文的标题、摘要和必要时的正文内容, 剔除与研究主题无关、仅浅层提及 RAG 或不涉及实际
代码任务的论文. 在此基础上, 确定了 98 篇明确聚焦 RAG 在代码生成、修复等任务中应用的研究作为核心文献.
同时, 为弥补自动检索可能存在的遗漏, 并提高文献覆盖的全面性, 参考了现有关于 RAG 研究的相关综述 [17–20] 进
行比对补充, 并进一步采用了滚雪球 [24] 搜索策略. 滚雪球包括细致审查每篇论文的参考文献列表和引用, 以发现
最初搜索可能错过的额外相关研究. 为此, 我们查看了收集的论文中的每一篇参考文献, 并确定其中的任意引用文
献是否与本文研究相关. 通过这一严格的手工分析, 成功地额外识别了 10 篇与 RAG 在代码领域运用相关的论文,
从而丰富本文调查, 提供多样化的见解. 综上, 经过自动检索、人工筛选与滚雪球补充这 3 个阶段, 共确定了 108
篇与 RAG 技术在软件工程代码相关任务中应用紧密相关的研究, 为后续分析奠定了坚实的文献基础.
3 研究问题 1: RAG 在软件工程中的研究趋势是什么?

3.1 出版时间分布
本节分析了 2021–2024 年, 基于 RAG 的软件工程应用研究的出版趋势. 如图 2 所示, 相关论文数量呈现显著
增长趋势, 从 2021 年的 2 篇逐年增加, 到 2024 年达到了 70 篇. 这一趋势表明, 自 2021 年以来, 基于 RAG 的软工
应用研究已逐渐成为重要的研究方向, 并且在 2025 年有望达到新的研究高峰.

80 120
70 108
70
100
60
80
50
篇数 40 篇数 60
30 25 38
40
20 13
11 20
10
2 2
0 0
2021年 2022年 2023年 2024年 2021年 2022年 2023年 2024年
(a) 每年发表数量 (b) 累计发表数量
图 2 基于 RAG 在软件工程领域的研究发表趋势

基于 RAG 的软件工程应用研究呈现快速增长, 主要原因在于模型架构的持续优化与协同进化, 使生成器与检
索器能够高效配合提升代码生成和缺陷修复的准确性; 检索技术的革新, 包括多样化和优化的检索方法, 提高了相
关代码片段的获取质量; 近年来, 大规模专门针对代码理解和生成任务的 PLM 的增多, 以及 LLM 如 GPT-4, GPT-4o
的普及, 显著增强了 RAG 模型在代码生成方面的能力; 丰富的高质量代码语料库和开源工具为研究提供了坚实
基础; 软件开发自动化需求的增长及工业界的积极支持, 推动了 RAG 在实际应用中的广泛采用; 活跃的研究社区
和学术交流, 促进了知识共享与技术进步. 上述因素共同驱动了 2021–2024 年间 RAG 在软件工程领域的显著发
展, 并预示着未来的持续增长潜力.
总体来看, 随着 RAG 技术在软件工程领域的应用不断扩展, 未来预计将有更多研究采用这一方法来提升软件
开发、维护和优化的效率与效果. 尤其是在自动化代码生成、缺陷修复等方面, RAG 展示出了强大的潜力. 研究
的快速增长不仅反映了学术界对 RAG 在软件工程中应用的高度关注, 也预示着其在实际工业应用中的广泛前景.
未来的研究可能会进一步探讨 RAG 与其他先进技术的结合, 例如将 RAG 框架与自主决策 Agent 结合, 以应对软
件工程中日益复杂的挑战.
3.2 出版刊物分布
本节对收集的 108 篇论文在不同期刊与会议的分布情况进行分析, 表 1 列出了每个出版会议或期刊发表的论
文相关数量. 为便于展示, 我们仅列出了论文数量不少于 2 篇的发表源.