语义提交：帮助用户按规模更新 AI 记忆中的意图规范

我们如何更新用户意图随意图变化而变化的AI记忆？我们考虑AI界面如何帮助将新信息整合到自然语言数据的存储库中。着眼于软件工程中的影响分析等概念，我们开发了方法和界面，用于管理具有非局部影响的语义变更，我们称之为"语义冲突解决"。用户提交新的意图到项目——做出"语义提交"，AI帮助用户检测和解决存储表示用户意图（即"意图规范"）中的语义冲突。我们开发了一个界面SemanticCommit，以更好地理解用户在更新意图规范（如Cursor规则和游戏设计文档）时如何解决冲突。基于知识图谱的RAG管道驱动冲突检测，而LLMs则辅助建议解决方案。我们对初步基准进行了评估。随后，我们报告了12名用户的within-subjects研究，针对两个任务域——游戏设计文档和类似ChatGPT记忆的AI代理记忆——用户将新信息整合到现有列表中。我们结果显示，尽管用户可访问全局修订功能，但半数的参与者采用了影响分析工作流程，即他们首先在AI修订后标记冲突，然后在本地解决冲突。我们认为，AI代理界面（如Cursor和Windsurf等软件IDE）应提供影响分析的便利性，并帮助用户独立于生成验证AI检索。我们的工作涉及AI代理设计者如何将更新记忆视为涉及人类反馈和决策的过程。