Elicitron: An LLM Agent-Based Simulation Framework for Design Requirements Elicitation

本文介绍了一种新颖的框架，利用大型语言模型（LLM）自动化和增强需求获取过程，以解决产品开发中关键但耗时且具有挑战性的步骤。LLM被用于生成大量模拟用户（LLM代理），从而探索更广泛的用户需求和未预料到的用例。这些代理通过解释他们的行为、观察和挑战参与产品体验场景。随后的代理人访谈和分析揭示了有价值的用户需求，包括潜在的需求。我们通过三个实验验证了我们的框架。首先，我们探讨了不同的代理生成方法，讨论了它们的优缺点。我们衡量了识别出的用户需求的多样性，并证明了上下文感知的代理生成会导致更大的多样性。其次，我们展示了我们的框架如何有效地模拟具有同理心的领先用户访谈，识别出比传统的人类访谈更多的潜在需求。第三，我们展示了LLM可以用于分析访谈、捕捉需求并将其分类为潜在或非潜在。我们的工作突出了使用LLM代理加速早期产品开发、降低成本和增加创新的潜力。

提高产品需求获取的效率和质量，以减少产品开发成本和增加创新

使用大语言模型生成模拟用户，探索更广泛的用户需求和潜在用例

1. 探索了不同的模拟用户生成方法，证明了上下文感知的方法能够提高发现多样性；2. 通过模拟用户访谈，比传统的人类访谈更有效地发现潜在需求；3. 使用大语言模型分析访谈，捕捉潜在需求并对其进行分类。

近期相关研究包括：1. "Using Machine Learning to Improve Requirements Elicitation"；2. "Automated Requirements Elicitation Using Natural Language Processing Techniques"；3. "Requirements Elicitation with Large Language Models"