使用生成式 AI 的需求工程：提示与提示模式
软件工程
2023-11-08 v1
摘要
[背景]：由于其资源密集型特性，企业日益认识到自动化需求工程（RE）任务的重要性。GenAI 的出现使这些任务更易于自动化，这归功于其有效理解和解释上下文的能力。[问题]：然而，在 GenAI 背景下，提示工程是成功的关键因素。尽管如此，我们目前缺乏系统评估和确定特定 RE 任务应采用的最有效提示模式的工具与方法。[方法]：使用 GPT-3.5 turbo API 自动化了与需求相关的两项任务，具体而言即需求分类与追踪。性能评估涉及对使用 5 种提示模式创建并以编程方式实现以执行所选 RE 任务的各种提示进行评估，聚焦于精确率、召回率、准确率和 F-Score 等指标。[结果]：本文评估了 5 种提示模式使 GPT-3.5 turbo 执行所选 RE 任务的有效性，并就特定 RE 任务应使用哪种提示模式给出了建议。此外，它还提供了一个评估框架，作为希望针对不同 RE 任务评估不同提示模式的研究人员与从业者的参考。
引用
@article{arxiv.2311.03832,
title = {Requirements Engineering using Generative AI: Prompts and Prompting Patterns},
author = {Krishna Ronanki and Beatriz Cabrero-Daniel and Jennifer Horkoff and Christian Berger},
journal= {arXiv preprint arXiv:2311.03832},
year = {2023}
}