CodeVoyager：将交互式视觉辅助与LLM集成用于代码理解

理解不熟悉的代码库在软件开发中至关重要，但也具有挑战性。调用图和控制流图等视觉辅助工具可能有帮助，但通常会导致信息过载和有限的交互性。与此同时，基于LLM的代码助手提供易于理解的自然语言解释，降低了认知障碍，但缺乏代码导航的空间上下文。我们假设整合这两种互补方法可以解决各自的局限性。为了验证这种整合，我们引入了CodeVoyager，这是一种将LLM与交互式视觉辅助工具结合使用的工具，以支持更有效的代码理解。我们首先进行了一项探索性研究（n=11）来评估该工具的潜力并确定需要改进的领域。经过迭代改进后，我们在一项受试者内部研究（n=16）中评估了增强后的工具与广泛使用的基于聊天的代码助手。结果显示，CodeVoyager改善了代码理解并提高了用户信任。这些改进是通过实现文本解释和视觉代码探索之间的无缝交互来实现的，模仿了开发者自然讨论代码的方式。这项工作通过（1）一种模仿自然代码讨论的新颖集成方法，（2）改进理解和信任的经验证据，以及（3）多模态代码理解系统的设计影响，为视觉-LLM集成开发者工具做出了贡献。