Compositio Prompto: LLM-Based Automatic Service Composition (arXiv:2504.08490)

### 主要内容1. **研究背景**：现代企业计算系统集成众多子系统，自动服务组合可减少人工、加快上市并适应业务变化。传统方法依赖复杂形式建模，LLMs的出现为自动服务组合提供新途径，研究旨在探究LLMs在自动服务组合中的应用效果。2. **研究方法**：提出Compositio Prompto软件架构，分析RAG用于服务发现，引入基于自然语言查询的服务发现基准SOCBench-D，并扩展到完整服务组合场景。通过现有RestBench基准和自定义SOCBench-D基准评估RAG分块策略和嵌入模型。3. **研究结果**：Compositio Prompto架构实验表明大模型能完美解决部分任务，小模型也能给出近似解。扩展Lemos分类法，验证新子类的必要性。RAG应用显示按端点拆分OpenAPI有益，不同嵌入模型性能有差异。4. **未来工作**：分析包含RAG服务发现的完整服务组合，通过代码分析创建基准，衡量对开发时间节省、可持续性的影响，研究LLM代理等先进方法。### 创新点1. **架构创新**：提出Compositio Prompto软件架构，利用LLMs实现自动服务组合，以任务、服务文档和输入输出模式创建提示，生成可执行服务组合。2. **分类扩展**：扩展Lemos分类法，增加涵盖LLMs自然语言理解、语义处理和文本生成能力的子类，完善服务组合分类体系。3. **基准创新**：引入SOCBench-D服务发现基准，跨GICS领域通用，分析RAG在服务发现中的应用，对比不同分块策略和嵌入模型，为服务发现提供更全面评估工具；还创建了SOCBench-SC服务组合基准。### 翻译内容- **Abstract**：现代企业计算系统集成众多子系统，通过产生涌现行