搜索还是生成?整合网络搜索与生成式人工智能的设计维度以支持程序员信息寻求过程
大语言模型(LLM)的人机协作推荐系统用户体验软件工程师与开发者
程序员现在同时使用生成式人工智能(GenAI)和传统网络搜索进行信息搜索,但这些工具如何单独或组合使用仍不清楚。为了回答这个问题,我们进行了多阶段调查,包括追溯性访谈以识别觅食行为和挑战,以及一项使用技术探测器的观察研究,以分析上下文信息如何跨工具流动。我们的发现表明,有效的信息搜索需要适应性策略和不同程度的上下文细节。基于这些见解,我们提出了开发整合网络搜索、GenAI和代码编辑器的工具的五个设计维度。我们通过概念验证原型进一步展示了这些设计维度的生成能力,并通过用户研究进行了验证,为增强编程中网络搜索和GenAI的集成信息搜索工作流提供了可操作的设计建议。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 75%
重新思考 DataScout 的数据集发现
UIST '25· 大语言模型(LLM)的人机协作 +1
- 67%
最终用户创建个性化内容分类器:比较示例标记、规则编写和LLM提示
CHI '25· 大语言模型(LLM)的人机协作 +1
- 60%
关于为笔记本设计AI驱动的代码助手
CHI '23· 大语言模型(LLM)的人机协作 +2
- 60%
行间阅读:建模AI辅助编程中的用户行为和成本
CHI '24· 大语言模型(LLM)的人机协作 +2
- 60%
'一款现代最新款笔记本电脑'——产品搜索中自然语言查询的模糊性
DIS '20· 大语言模型(LLM)的人机协作 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
DIS
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、推荐系统用户体验
work
职业/产业
软件工程师与开发者
article
内容状态
仅摘要
hub
相关论文
5 篇相关论文