Prioritizing Software Requirements Using Large Language Models

大型语言模型（LLMs）通过引入创新方法，如收集需求、设计软件、生成代码和创建测试用例等任务，正在革新软件工程（SE）。本文重点关注需求工程，通常被视为涉及多个系统利益相关者的软件开发的初始阶段。尽管其关键作用，但在时间和预算限制内识别需求并满足所有利益相关者的挑战仍然很大。为了应对需求工程中的挑战，本研究介绍了一种基于Web的软件工具，利用AI代理和提示工程来自动化任务优先级排序，并应用多种优先级排序技术，旨在增强敏捷框架下的项目管理。这种方法旨在转变敏捷需求的优先级排序，解决在设定的时间和预算限制内满足利益相关者需求的重大挑战。此外，我们开发的原型源代码可在GitHub上获得，以便进行进一步的实验和需求优先级排序，促进研究和实际应用。

本论文旨在解决需求工程中的挑战，即如何在时间和预算限制内识别需求并满足所有利益相关者的需求。

本论文介绍了一种基于Web的软件工具，利用AI代理和提示工程自动化任务优先级确定，并应用多种优先级技术，以增强敏捷框架下的项目管理。

本研究开发了一个原型，其源代码可在GitHub上获得，以便进一步实验和需求优先级确定，促进研究和实际应用。实验设计合理，使用了多种数据集。

最近的相关研究包括《A Survey on Requirements Prioritization Techniques》、《Automated Requirements Prioritization: A Machine Learning Approach》等。