arXiv cs.AI· Shuyan Huang, Kai Du, Andrew Lan·· 13 小时前AI 评分34
个性化技能能帮到编程智能体吗？一项开发者交互轨迹实证研究
Do Personalized Skills Help Coding Agents? An Empirical Study of Developer Interaction Traces
AI 导读
一项实证研究提出结合规则引导与 LLM 精炼的框架，从开发者与编程智能体的交互中蒸馏出开发者专属技能，并构建基于 LLM 开发者模拟器的交互式回放框架进行评估。在可回放的真实开发者-智能体交互会话上实验发现，任务专属技能整体最有效；个性化技能在开发者偏好出现频率足够高、且任务高度相关时才更有效。
正文 · AI 翻译
摘要：随着人类开发者越来越多地与由大语言模型（LLM）驱动的编码智能体协作，适应开发者个人偏好（可能通过智能体技能实现）或许能减少重复指导并提升协作效率。然而，现有方法主要侧重于为每个任务构建技能，而非为每位人类开发者构建技能。在本工作中，我们提出了一个框架，将基于规则的引导与基于 LLM 的细化相结合，从开发者与编码智能体的交互中提炼开发者专属技能。我们进一步开发了一个交互式回放框架，并配有基于 LLM 的开发者模拟器用于评估。我们在一组可回放的真实开发者-智能体交互会话上进行了实验。我们发现，总体而言，任务专属技能最为有效；然而，当开发者偏好以足够高的频率体现时，个性化技能会变得更有效，尤其是当开发者处理高度相关的任务时。这些发现提供了实证见解，表明 i）广泛可迁移的程序性知识可能比开发者专属偏好信号更稳健，ii）有效的个性化需要从丰富的用户偏好信号中挖掘。
| 评论： | 18 页，10 张图 |
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2608.10319 [cs.SE] |
| （或 arXiv:2608.10319v3 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.10319 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Shuyan Huang [查看邮箱]
[v1]
2026 年 8 月 10 日星期一 23:41:02 UTC（4,188 KB）
[v2]
2026 年 8 月 15 日星期六 06:04:23 UTC（745 KB）
[v3]
2026 年 10 月 28 日星期三 23:58:19 UTC（798 KB）
来源：arXiv cs.AI · arxiv.org