关于为笔记本设计AI驱动的代码助手

文献标题

On the Design of AI-powered Code Assistants for Notebooks

文献信息

• 主题领域: 人机交互 (HCI)、计算领域的人工智能应用
• 关键词: 计算笔记本, 人工智能, 代码助手, Copilot, 设计探针

研究背景与问题

• 作者发现了哪些问题或挑战？

  • AI代码助手（如Copilot）能够提升编程效率，但其设计尚未很好地适配计算笔记本这一探索性和演示性编程环境。
  • 计算笔记本中代码不仅仅是文本输入，还有数据表、图表和Markdown等多模态数据，代码编写非线性且流程复杂，与普通代码编辑器显著不同。
  • 现有AI助手的界面设计和交互方式未充分满足计算笔记本用户的需求，比如上下文指定、多候选代码的筛选、代码生成结果的修正和适配等。

• 为什么这个问题很重要？

  • 计算笔记本（如Jupyter）是数据科学家等技术从业者的重要工具，改进代码助手以适应笔记本的需求将显著提高这些用户的生产力和编程能力。
  • 合适的设计将使得AI助手不仅促进效率提升，还能够助力复杂任务中的探索工作。

• 研究动机与相关工作：

  • 研究者通过已有代码生成模型的分析重新定义设计空间；同时，通过对15位数据科学家进行采访研究探索用户需求。
  • 对现有工具如Copilot、Tabnine、Mage及与代码生成相关的交互进行梳理，提出提升代码助手效果的重要设计维度。

解决方案

• 作者提出了哪些方法或解决方案？

  • 构建计算笔记本中AI代码助手的设计空间模型，通过整合接口交互和系统组件关系进行分类，提出多关键维度（如交互类型、代码上下文、历史记录整理等）。
  • 通过一项半结构化设计研究，验证特定设计维度（如上下文指定、歧义消解、适配方法及溯源功能）的用户需求。

• 该解决方案的创新之处是什么？

  • 第一次系统性地对计算笔记本中的AI代码助手设计空间进行了细化分析。
  • 综合参与用户的访谈研究，提出设计改进建议，如任务特定的助手、礼貌的界面以及反映上下文的选择性代码生成等。

• 实施步骤是什么？使用了哪些关键技术？

  • 调研现有计算笔记本和代码生成相关工具，分析其功能与设计特点。
  • 设计四个UI原型（如代码上下文选择界面、代码与图表效果的候选方案展示等），然后进行用户访谈以收集对这些设计的反馈。
  • 基于访谈数据建立设计指导与优先建议，提炼通用设计原则。

研究成果

• 取得了哪些具体成果？

  • 通过访谈验证用户对于设计空间中几个特定维度的偏好，比如适合不同上下文模式的界面位置、代码生成可视化的候选效果、多样化代码适配方法（如代码片段的骨架）、以及溯源功能的可有可无。
  • 提议了代码助手优化设计的实践建议，例如简化用户交互、明确控制点、任务或领域特定设计等。

• 与现有解决方案相比，它有哪些优势？

  • 提供比单纯自动补全更适合非线性、探索式编程环境的解决方案。
  • 增强用户对AI助手的信任和接受度，并提升用户的学习机会而不仅是简单加速任务。

• 实验或评估结果是什么？

  • 用户一致认可计算笔记本中使用代码助手的潜力，但对如何设计适合的UI多有不同意见。
  • Inline风格的界面能够提升发现性，Code + Effect类型的歧义消解最受用户欢迎。
  • 提供任务和领域专属工具能够使代码助手更价值化，而自动化生成代码的溯源记录不被用户视为必需。

• 局限性与未来方向：

  • 本研究局限在Jupyter等计算笔记本环境以及数据科学用户群体，未扩展到其他编程场景或用户群体。
  • 后续可以探讨更复杂任务场景（如视觉化和机器学习数据处理）、基于搜索的助手设计，以及不完全依赖结构化代码输出的助手实现。
  • 提倡领域融入，提出代码助手与笔记本特有需求紧密结合的新思路，例如在数据分析中的特点。