返回
Toward efficient vibe coding: An LLM-based agent for low-code software development
DOI:10.1016/j.cola.2025.101367.png)
摘要
En 中文
软件工程(SE)领域越来越采用低代码和无代码方法来简化应用程序的开发和部署。在此领域内出现了两种主导范式:模型驱动工程(MDE),利用领域特定语言(DSLs)来抽象实现并减少所需的知识和专业知识;以及基于大型语言模型(LLMs)的vibe coding,开发者通过自然语言与LLMs交互,允许通过对话实现快速原型设计和代码生成。尽管DSLs提供了精确的抽象和形式化正确性,但它们通常需要专门知识且学习曲线陡峭。相反,vibe coding实现了流畅自然的交互,但在领域特定性方面存在困难,并且经常生成错误或结构不规范的代码,难以整合到正式的开发流程中。为结合这两种范式的优势,我们提出了DSL Agent,一个基于LLM的DSL应用开发的对话界面。DSL Agent嵌入在Locsys这一现代低代码开发平台中。它通过根据用户描述动态生成准确且有效的DSL模型,将基于LLM的vibe coding的灵活性和直观性与DSL的严谨性相结合,并嵌入一个统一的对话界面,该界面利用提示工程和情境学习技术。这提供了一个更简单、更直观的界面,加速了开发过程,并降低了专业知识的门槛。该代理由超过130名不同专业水平的研讨会参与者进行评估,涉及两种不同复杂度的DSL。评估指标,包括有效模型率、用户满意度及开发时间,表明与传统的DSL基础SE工作流相比,在有效模型生成、生产效率及易用性方面均有显著提升。这些结果突显了DSL Agent通过提供高效、直观且用户友好的界面,改善整个DSL基础开发生命周期的潜力。
Keyword:
Large Language Models
Conversational interfaces
DSLs
DSL agent
Conversational low-code development
Vibe coding
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
J
IF:
1.8
论文数:
28
被引数:
323
机构
暂无机构信息
引用论文
Refining ChatGPT-Generated Code: Characterizing and Mitigating Code Quality Issues精炼ChatGPT生成的代码: 描述和缓解代码质量问题
Towards Conversational Syntax for Domain-Specific Languages using Chatbots.面向领域特定语言的对话式语法:基于聊天机器人的方法。

