Empowering Agile-Based Generative Software Development through Human-AI Teamwork

在软件开发中，用户提出的原始需求经常是不完整的，这妨碍了应用功能的完整实现。随着大型语言模型的出现，最近的方法采用自顶向下的瀑布模型，采用问询方法来完成需求，试图探索用户的进一步需求。然而，用户受到其领域知识的限制，缺乏有效的验收标准，无法捕捉用户的隐含需求。此外，瀑布模型的累积误差可能导致生成的代码与用户需求之间存在差异。敏捷方法通过轻量级迭代和与用户的协作来减少累积误差，但挑战在于确保用户需求和生成的代码之间的语义一致性。我们提出了AgileGen，一种基于敏捷开发的人工智能协作生成软件开发。AgileGen首次尝试使用Gherkin可测试的需求来保证需求和代码之间的语义一致性。此外，我们在人工智能协作方面进行了创新，允许用户参与其擅长的决策过程，增强应用功能的完整性。最后，为了提高用户场景的可靠性，使用内存池机制来收集用户决策场景，并向新用户推荐。作为一种用户友好的交互式系统，AgileGen在性能上显著优于现有的最佳方法16.4％，并获得了更高的用户满意度。

AgileGen：人工智能辅助敏捷软件开发的研究。论文试图解决在敏捷软件开发中用户需求不完整、代码生成与用户需求不一致等问题。

AgileGen是一种基于人工智能与人类协作的敏捷软件开发方法，通过使用Gherkin进行可测试的需求，以保证需求与代码的语义一致性。同时，通过人工智能与用户协作，提高了应用程序功能的完整性。

论文创新地提出了一种人工智能与人类协作的敏捷软件开发方法，使用Gherkin进行可测试的需求，以保证需求与代码的语义一致性。实验结果表明，AgileGen在用户满意度和性能方面均优于现有最佳方法。

最近在这个领域中，还有一些相关研究被进行，如《使用自然语言处理技术进行敏捷软件开发中的需求获取》、《基于机器学习的敏捷软件开发》等。