LLMREI：使用大语言模型自动化需求获取Interview
软件工程
2025-07-04 v1
摘要
需求获取Interview对于收集系统需求至关重要，但高度依赖于熟练的分析师，导致其资源密集、易受人类偏好影响且容易产生误沟通。最近的大型语言模型(Large Language Model)技术为自动化这一过程的某些方面提供了新的机会。本研究引入LLMREI，一款旨在进行需求获取Interview的聊天机器人，旨在减少常见的访谈错误并提高需求获取的可扩展性。我们探索了两种主要方法，即零shot提示和least-to-most提示，以优化LLMREI以满足需求获取要求，并在33次模拟访谈中对其性能进行评估。最初考虑了微调方法，但由于初步试验中的表现不佳，被放弃。本研究评估了该聊天机器人在三个关键方面的效果：最小化常见访谈错误、提取相关需求以及根据访谈背景和用户响应调整提问。我们的发现表明，LLMREI的错误数量与人类访谈员相当，能够提取大量需求，并显示出显著的生成高度依赖上下文问题的能力。我们设想，LLMREI在处理大量利益相关者的访谈方面将发挥最大的优势。
引用
@article{arxiv.2507.02564,
title = {LLMREI: Automating Requirements Elicitation Interviews with LLMs},
author = {Alexander Korn and Samuel Gorsch and Andreas Vogelsang},
journal= {arXiv preprint arXiv:2507.02564},
year = {2025}
}