FeedAIde: 通过询问上下文感知的后续问题引导应用用户提交丰富反馈报告
软件工程
2026-03-05 v1 人工智能
人机交互
摘要
用户反馈是移动应用成功的关键，但用户报告的内容与开发者所需的内容常常不符。研究表明，用户常提交模糊反馈并遗漏关键上下文细节。这导致报告不完整，需进行耗时的澄清讨论。为克服这一挑战，我们提出了 FeedAIde，一种基于上下文感知的交互式反馈方法，支持用户在报告过程中利用多模态大语言模型的推理能力。FeedAIde 捕获上下文信息，例如问题出现的屏幕截图，并据此对用户提出自适应的后续问题，以协作方式细化报告，使其包含开发者所需的相关信息。我们实现了一个面向 iOS 的 FeedAIde 框架，并在健身 App 的用户群中进行评估。与该 App 的简单反馈表单相比，参与者认为 FeedAIde 在提交反馈方面更容易且更有帮助。对 54 份报告进行的两位行业专家评估显示，FeedAIde 在 bug 报告和功能请求的质量上均取得了改善，尤其在完整性方面。我们的结果表明，面向上下文感知的、基于生成式 AI 的反馈报告有望提升用户和开发者的体验。
引用
@article{arxiv.2603.04244,
title = {FeedAIde: Guiding App Users to Submit Rich Feedback Reports by Asking Context-Aware Follow-Up Questions},
author = {Ali Ebrahimi Pourasad and Meyssam Saghiri and Walid Maalej},
journal= {arXiv preprint arXiv:2603.04244},
year = {2026}
}
备注
Accepted for publication at the 13th International Conference on Mobile Software Engineering and Systems (MOBILESoft) 2026