敏捷故事点估算：RAG 是更好的方法吗？
软件工程
2026-04-07 v1 人工智能
机器学习
摘要
敏捷软件开发方法中基于冲刺的迭代方式允许持续反馈和适应。敏捷软件开发的关键活动之一是冲刺规划会议，开发者在此会议上通过基于共识的估算技术（如规划扑克）来估算完成任务所需的工作量。在敏捷软件开发方法中，衡量开发工作量的常用单位是故事点（SP），它被分配给任务以理解完成它们所需的复杂性和开发时间。尽管此过程有诸多好处，但它是一个极其耗时的手动过程。为了缓解这个问题，在本研究中，我们调查了是否可以使用检索增强生成（RAG）来自动化这个手动过程，RAG 包含一个“检索器”和一个“生成器”。我们在 23 个不同规模的开源软件项目上应用了两种嵌入模型——bge-large-en-v1.5 和 Sentence-Transformers 的 all-mpnet-base-v2，并考察了四个关键方面：1）检索超参数如何影响性能，2）估算准确性是否因项目规模不同而异，3）嵌入模型的选择是否影响准确性，以及 4）基于 RAG 的方法与现有基线相比如何。尽管基于 RAG 的方法在多种情况下优于基线模型，但我们的结果并未显示出在不同项目或不同嵌入模型之间存在统计上显著的性能差异。这凸显了需要进一步研究和改进 RAG 以及模型适应策略，以在自动估算用户故事方面获得更好的准确性。
引用
@article{arxiv.2604.03443,
title = {Agile Story-Point Estimation: Is RAG a Better Way to Go?},
author = {Lamyea Maha and Tajmilur Rahman and Chanchal Roy},
journal= {arXiv preprint arXiv:2604.03443},
year = {2026}
}