UserTrace：从软件项目存储库生成用户级需求并恢复可追溯性
软件工程
2025-09-16 v1
摘要
软件可维护性严重依赖于高质量的需求描述以及需求与代码之间的显式可追溯性。尽管自动代码摘要 (ACS) 和需求可追溯性 (RT) 技术已被广泛研究，但现有的ACS方法主要生成面向开发人员的实现级需求 (IR) 以针对细粒度单元 (如方法)，而RT技术常常忽视项目演化的影响。因此，尽管用户级 (即面向终端用户的) 需求 (UR) 和活跃可追溯链接在支持用户理解以及验证AI生成的软件是否符合用户意图方面至关重要，但仍未得到充分探索。为此，我们提出了UserTrace，一个多智能体系统，能够自动从软件存储库中生成UR并恢复活跃可追溯链接 (从UR到IR到代码)。UserTrace通过三个阶段协调四个专用智能体 (即代码审查员、搜索者、撰稿人和验证者)：整理存储库依赖关系、为代码单元推导IR，并结合领域特定上下文合成UR。我们的比较评估显示，UserTrace生成的UR在完整性、正确性和有用性方面优于已有的基线方法，追溯链接恢复的精确率也优于五种最先进的RT方法。进一步的用户研究表明，UserTrace帮助终端用户验证AI生成的存储库是否符合其意图。
引用
@article{arxiv.2509.11238,
title = {UserTrace: User-Level Requirements Generation and Traceability Recovery from Software Project Repositories},
author = {Dongming Jin and Zhi Jin and Yiran Zhang and Zheng Fang and Linyu Li and Yuanpeng He and Xiaohong Chen and Weisong Sun},
journal= {arXiv preprint arXiv:2509.11238},
year = {2025}
}
备注
21page, 5 figures