lightbulb现实痛点LLM代码生成与编程助手
非专业编程用户很难通过自然语言生成准确的代码。开发者工具与编程支持 / LLM代码生成与编程助手
非专业编程用户很难通过自然语言生成准确的代码。
同类问题
lightbulb现实痛点LLM代码生成与编程助手
用户在设置LLM工作流和评估任务时，常因缺乏方向感而陷入困境。lightbulb现实痛点LLM代码生成与编程助手
非技术用户难以通过自然语言高效描述编程任务来与AI互动。lightbulb现实痛点LLM代码生成与编程助手
科学家可能因编程错误导致实验分析失误，影响科研结论的可信性。lightbulb现实痛点LLM代码生成与编程助手
用户难以在使用AI助手完成任务时学会软件功能，并且缺乏对任务的掌控感。lightbulb现实痛点LLM代码生成与编程助手
程序员用手写注释修改代码时，工具无法自动理解和转化其意图。UIST '24Code Shaping: Iterative Code Editing with Free-form Sketching
lightbulb现实痛点LLM代码生成与编程助手
传统LLM界面可能降低用户创造力和效率，影响测试效果。UIST '24Pay Attention! Human-Centric Improvements of LLM-based Interfaces for Assisting Software Test Case Development
相关论文
CHI 2025
ChainBuddy：一种用于生成LLM管道的人工智能辅助代理系统
Jingyue Zhang, Ian Arawjo
CHI 2025
人类如何用自然语言交流编程任务以及这对使用大语言模型的终端用户编程的启示
Madison Pickering, Helena Williams, Alison Gan
CHI 2025
科学家如何使用大型语言模型进行编程
Gabrielle O'Brien
CHI 2025
为我做 vs. 与我一起做：研究功能丰富的软件副驾中不同自动化范式用户感知
Anjali Khurana, Xiaotian Su, April Yi Wang
CHI 2024
初学者程序员和代码LLM（误解）彼此的方式
Sydney Nguyen, Hannah McLean Babe, Yangtian Zi
CHI 2023
《它想让我怎么说》：弥合最终用户程序员与代码生成大型语言模型之间的抽象差距
Michael Xieyang Liu, Advait Sarkar, Carina Negreanu
UIST 2022
探索程序综合工具对初学者的可学习性
Dhanya Jayagopal, Justin Lubin, Sarah E. Chasins