软件项目中基于 LLM 的代码贡献总结
软件工程
2025-05-26 v1 计算机与社会
摘要
本篇创新实践论文提供了一个用于总结项目课程中 individual code 贡献的自动化工具。真实行业项目通过让学生沉浸于由外部客户定义的真实问题中，提供了宝贵的学习机会。然而，这些项目的开放性和高度可变范围使得教师和助教难以及时提供详细的反馈。本文针对团队项目中 individual 贡献的自动化、客观评估需求，提出了解决方案。我们设计的工具利用大型语言模型（LLM）自动总结从版本控制仓库中提取的 code 贡献。该工具对仓库数据进行预处理和结构化处理，并使用 PyDriller 来隔离 individual 贡献。其独特之处在于将 LLM 提示工程与自动化仓库分析相结合，从而减少了人工评分负担，同时为团队提供定期且富有信息量的更新。该工具在两个学期、为期三周、全职软件开发冲刺中进行了评估，涉及65名学生。每周提供团队总结，学生和教师反馈均表明该工具在 informing 评分和指导方面具有整体有用性。该工具在很大比例上报告的活动实为学生实际执行的活动，但也有部分未能检测到学生的贡献。教师认为，这些总结在跟踪项目进展方面是有潜力的有用工具。
引用
@article{arxiv.2505.17710,
title = {LLM Contribution Summarization in Software Projects},
author = {Rafael Corsi Ferrao and Fabio Roberto de Miranda and Diego Pavan Soler},
journal= {arXiv preprint arXiv:2505.17710},
year = {2025}
}