MACEDON：通过实时多维度代码评估和优化支持程序员

DOI

大语言模型（LLM）的最新进展导致程序员越来越倾向于使用它们进行代码优化和评估。然而，由于缺乏对底层代码的理解，程序员需要频繁切换代码评估和提示编写之间。当前的 LLM 驱动的代码助手没有提供足够的透明度来帮助程序员根据预期的评估指标跟踪他们的代码，而在将这些评估与优化目标对齐之前，这关键步骤不可或缺。为了解决这一差距，我们采用迭代的、以用户为中心的设计过程，首先进行形成性研究和大规模代码分析。然后，根据研究结果，我们开发了 MACEDON，这是一个支持实时多维度代码评估、直接代码段优化以及可共享报告展示的系统。我们通过一项有 24 名新手程序员参与的受控实验室研究和两个真实世界的案例研究评估了 MACEDON。结果显示，MACEDON 显著提高了用户识别代码问题、应用有效优化以及理解代码演变状态的能力。我们的发现表明，多维度评估结合交互式、段特定的指导使用户能够执行更具结构性和更自信的代码优化。本文的代码可在 <link-TBD> 找到。