.png){kind=icon}
返回
An Empirical Study on Low Code Programming using Traditional vs Large Language Model Support
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jss.2025.112727.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
低代码编程（LCP）指的是使用更高抽象层次的模型进行编程，从而实现更少的手动操作、更高的编程效率，以及降低业余开发者的学习难度。许多LCP工具已迅速发展，并受益于可视化编程语言（VPLs）和示范编程（PBD）的概念。随着对将大型语言模型（LLMs）应用于软件工程领域的兴趣激增，基于LLMs的LCP开始变得越来越重要。然而，传统LCP方法与基于LLMs的LCP在技术原理和应用场景上存在显著差异。理解这两种LCP方法在用户应用中的关键差异和特点，对于LCP提供商改进现有工具、开发新工具，以及更好地帮助用户选择合适的LCP技术至关重要。我们针对传统LCP和基于LLMs的LCP开展了实证研究。我们分析了过去三年Stack Overflow（SO）上开发者的讨论内容，并探讨了传统LCP与基于LLMs的LCP在特性及开发者反馈方面的异同。我们的研究发现，尽管传统LCP和基于LLMs的LCP具有共同的典型使用场景，但在范围、局限性及整个软件开发生命周期（尤其是在实现阶段）的使用方式上存在显著差异。我们还考察了LLMs如何影响并融入LCP，讨论了基于LLMs的LCP的最新技术发展，例如其与VPLs的集成以及LLM Agents在软件工程中的应用。
期刊
IF:
4.1
论文数:
5.5K
被引数:
8.4K
查看更多机构
.png){kind=icon}
