在用户故事和GUI原型之间闭环：软件开发中跨职能集成的LLM基础助手

研究背景与问题

• 发现的问题或挑战: GUI设计在软件开发中是核心，但涉及UX设计师、产品负责人和开发者的GUI原型设计工作往往受到工具分散、同步困难及需求频繁变化的挑战。这些问题会导致协调成本高、原型更新滞后和需求实现的不准确性。此外，尽管先前研究提出了一些基于自然语言处理或大语言模型（LLM）的解决方案，这些方法缺乏将用户需求（如用户故事）与GUI原型紧密集成的能力，并且未被系统或大规模评估实践采用。
• 重要性: GUI原型是沟通需求的关键工具，但其质量与效率对软件开发过程中的跨职能团队协作至关重要。缓解这些障碍不仅可以提升开发效率，还可以提高产品质量及团队工作流的一致性。
• 研究动机与相关工作:
  • 先前研究主要关注设计建议生成工具（如设计复杂性指标的分析系统）及从自然语言生成框架的设计方案，但未能有效整合用户需求描述与GUI组件。
  • 产品负责人和UX设计师对AI辅助设计持开放态度，这为研究如何利用LLM高效集成GUI原型与用户需求提供了机会。

解决方案

• 方法或解决方案: 作者提出了一种基于LLM的GUI原型设计助手，其主要创新包括用户故事与原型的集成检测、GUI组件生成，以及相关用户故事的自动生成功能。
• 创新之处:
  • 集成用户需求（如JIRA系统中的用户故事）到Figma设计工具中，消除了跨工具切换的问题。
  • 使用LLM实现用户故事的检测、匹配及生成GUI组件，与现有典型的基于训练数据的UI生成模型相比，操作更高效且具灵活性。
  • 两阶段GUI生成架构，通过高效的令牌管理（减少64.35%的输入令牌使用）降低成本并提升生成性能。
• 实施步骤及关键技术:
  1. 用户故事检测: LLM分析Figma中的GUI组件与用户故事的实现状态，可实现自动化或手动覆盖检测。
  2. 用户需求与GUI组件的匹配: 通过分析GUI组件的结构和属性，辅助用户定位需求对应的界面元素。
  3. GUI组件生成: 在用户故事和设计上下文的基础上，分阶段生成高精度的GUI组件，并自动放置到原型中。
  4. 自动推导用户故事: 从GUI原型中生成对应的用户故事，支持产品负责人快速迭代需求。

研究成果

• 具体成果:
  • 通过实验，证明了基于LLM的推荐可生成功能完整、对需求匹配度高的GUI组件。
  • 与传统手动设计相比，LLM支持的GUI组件生成在用户故事完成度和任务效率上显著提高。
  • 自动提取GUI中的用户故事功能可满足高质量、准确性和特定场景的需求。
• 与现有解决方案相比的优势:
  • 直接在Figma中集成用户故事的查看与同步，减少工具切换并提升团队协作效率。
  • 自动生成的组件更平滑地融入现有设计流程，与现有基于训练或细调的模型相比，无需额外训练数据或特定领域知识。
  • 提出的两阶段模型有效降低输入与生成的成本，使其更适用于大规模设计任务。
• 实验或评估结果:
  • 参与实验的用户更倾向于使用带有生成能力的LLM助手（满足度从3.00提升至3.75），其设计任务负担（NASA TLX）和挫败感显著减轻。
  • GUI生成任务的性能平均获得满意度达到7.5/9（用户故事完成度）。
  • 自动生成的用户故事具有较高的准确性和细节水平（平均评分6.7/9）。
• 局限性与未来方向:
  • 局限性：
    • 当前原型设计仅支持移动端GUI，且主要基于Material Design组件库，未拓展到其他平台。
    • 用户故事和GUI生成的局限于功能性，而无对非功能性需求（如品牌样式）的支持。
    • 未完整实现跨用户角色的协作功能，如用户故事版本控制或开发人员注释支持。
  • 未来方向：
    • 扩展支持其他用户界面类型和组件库，增强生成能力。
    • 增加非功能性需求支持，如个性化风格和颜色选项。
    • 优化推荐的多样性，并让用户可操作生成指令来增强灵活性。
    • 深入研究实际协作中，跨职能团队同时使用该助手的行为模式。

通过以上的分析可以看出，该研究有效推动了GUI原型与需求描述智能化集成的发展，并提出了实践性的工作流改进工具。