An Empirical Investigation on the Challenges in Scientific Workflow Systems Development
本研究利用BERTopic分析Stack Overflow和GitHub上的开发者交互，揭示了科学工作流系统开发中的主要挑战，发现工作流执行和数据结构操作难度最大，且How类问题占主导，为未来工具研发提供指导。
2025-06-24 cs.SE
Towards Automated Video Game Testing: Still a Long Way to Go
随着游戏开发的复杂性和范围的增加，游戏测试仍然是确保视频游戏质量的重要活动。然而，游戏测试的手动、临时性质为过程中的改进提供了空间。在这项研究中，我们调查了自动化视频游戏测试文献中的学术解决方案与行业中视频游戏开发人员的需求之间的差距。我们对视频游戏自动化测试进行了文献综述，并对视频游戏开发人员进行了在线调查。文献结果显示，与自动化视频游戏测试相关的研究课题有所增加。调查结果显示，游戏开发者对使用自动代理测试游戏持怀疑态度。我们的结论是，有必要新的测试方法，没有中断开发人员的工作流程。对于研究者来说，应该把重点放在测试目标和测试预言上。
2022-03-10 cs.SE
How do Developers Test Android Applications?
实现移动应用程序的全自动测试最近已成为研究人员和从业人员的重要研究课题。已经提出了大量的工具和方法，通过增加手动测试实践和自动化测试过程的各个部分来帮助移动开发人员。然而，目前的自动化测试方法无法让开发人员相信它们的好处，导致大多数移动测试都是手动执行的。为了帮助设计支持移动测试方法的研究人员和从业人员了解开发人员的需求，我们分析了来自Android项目的102位开源贡献者关于他们在执行测试时的实践的调查回复。调查的重点是关于开发人员/测试人员在野外的实践和偏好的问题：（i）设计和生成测试用例，（ii）自动化测试实践，以及（iii）对质量度量的看法，例如用于确定测试质量的代码覆盖率。通过分析从这次调查中收集到的信息，我们汇编了一套知识体系，以帮助指导研究人员和专业人员根据不同开源开发人员的需求定制新的自动化测试方法。
2018-01-19 cs.SE
Workstream: A Local-First Developer Command Center for the AI-Augmented Engineering Workflow
Northeastern University（东北大学）
Workstream通过整合多个工具的数据，提供AI读熟度评分和审查智能分析，提升开发者工作效率和响应速度。
2026-04-18 cs.SE
Developer Experiences with Cursor AI-native IDE
York University（约克大学）
本研究通过分析Cursor官方论坛的14714篇帖子，探究开发者对AI原生IDE Cursor的使用体验，发现其工作流程关键机制是价值与挫败感的主要来源，摩擦焦点随时间发生转移。
2026-10-16 cs.SE
A Benchmarking Framework for Multimodal User Interface Toolkits: Comparing Modality Coverage, Developer Workflow, and Experimental Support
University of Bern（伯尔尼大学）
本文提出一个基于文档分析、技术比较和未来开发者评估的结构化基准框架，从模态覆盖、开发者体验和实验支持三个维度比较多模态用户界面工具包。
2026-06-02 cs.HC cs.SE
Beyond the Prompt: Linking What Developers Ask, Do, and Understand with Coding Agents
Oregon State University, School of Electrical Engineering and Computer Science（俄勒冈州立大学电气与计算机工程学院）
本文提出“说、做、理解”工作流程，通过提示、屏幕活动和事后解释分析开发者与编程智能体的交互，并在十名开发者使用GitHub Copilot的研究中识别出四种人物画像，揭示了任务表现与理解之间的分歧。
2026-09-29 cs.SE
Automated Extraction and Analysis of Developer's Rationale in Open Source Software
本研究基于Kantara架构实例化，结合预训练模型与大语言模型提出开源软件开发者设计理由的自动化提取分析方法，可检测推理冲突与设计退化问题，经Linux内核OOM-Killer模块及五个高活项目验证具备可行性与泛化潜力，助力开发者规避变更冲突。
2025-04-22 cs.SE
Explainable Automated Debugging via Large Language Model-driven Scientific Debugging
本文提出AutoSD技术，通过大语言模型生成假设并用调试器与缺陷代码交互，使自动化调试推理对齐人类开发者，从而提供可解释的补丁生成过程，实验证明其修复效果具竞争力且能提升开发者判断准确率。
2023-04-05 cs.SE
Enhancing Software Development Process Using Automated Adaptation of Object Ensembles
软件开发一直在快速变化。这个开发过程可以通过改变开发人员友好的方法来影响。在软件开发过程中，如果能够自动引导程序员，可以节省开发时间，加快开发速度。有一些方法可以向开发人员推荐相关的代码片段和API项。一些方法应用通用代码、搜索技术，而一些方法使用基于在线存储库的挖掘策略。但是，当程序员需要解决特定的类型转换问题时，很难帮助他们。更具体地说，当他们想要根据他们的期望调整现有的接口时。在这种情况下，指导开发人员的一个常见的成功是通过对象集成的自动适应来适应集合和数组。但是，它如何帮助一个新手在实时的软件开发，没有明确规定？在本文中，我们已经开发了一个系统，作为一个插件工具集成到一个特定的数据采掘集成环境（DMIE）推荐相关的接口，而他们寻求一个类型转换的情况。我们有一个挖掘的存储库，其中包含相应的适配器类和相关的API，开发人员可以从其中搜索他们的查询，并使用相关的Transformer类获得结果。推荐开发人员的系统名为自动化目标集成（AOE插件）。从我们曾经做过的调查中，我们可以看到我们的方法比现有的一些方法要好得多。
2020-05-07 cs.SE
Developers' Perception of GitHub Actions: A Survey Analysis
GitHub在2019年推出了“Action”，以提高工作流速度并为存储库添加自定义自动化。任何人都可以在GitHub存储库上开发用于自动化工作流的操作，其他人可以在开源时重用它们。GitHub推出了用于商业化和共享这些自动化工具的市场，目前该市场包含16，730个操作。然而，有许多Action是在本地存储库和Marketplace之外开发和分发的。到目前为止，研究界进行了挖掘研究，以了解行动，重点关注CI/CD。我们对90名Action开发人员和用户进行了调查研究，以了解使用，开发和调试Action的动机和最佳实践，以及与这些任务相关的挑战。我们发现，开发人员在选择类似的Action时，更喜欢具有验证创建者和更多星级的Action，并且在遇到bug或缺乏文档时经常切换到替代Action。60.87%的开发人员认为YAML文件的组成是Action集成的关键，具有挑战性且容易出错。他们主要检查Q\&A论坛来修复这些YAML文件的问题。最后，开发人员倾向于避免使用操作（以及自动化）来降低复杂性和安全风险，或者当操作的好处不值得为自动化设置操作的成本/工作时。
2023-03-07 cs.SE
RePOR: Mimicking humans on refactoring tasks. Are we there yet?
重构是一种维护活动，旨在提高设计质量，同时保持系统的行为。已经提出了几种（半）自动化的方法，以支持开发人员在此维护活动的基础上，纠正反模式，这是“穷人”的解决方案，经常性的设计问题。然而，很少有定量的证据存在的影响，自动重构的代码对程序的理解，在这种情况下，自动重构可以有效的手动重构。利用RePOR，一种基于偏序约简技术的自动重构方法，我们进行了一项实证研究，以调查自动重构代码结构是否会影响系统在理解任务中的可理解性。(1)我们调查了80名开发人员，要求他们从一组20个重构更改中识别出它们是由开发人员还是由工具生成的，并根据它们的设计质量对重构更改进行评级;（2）我们要求30名开发人员在10个由自由职业者或自动重构工具重构的系统上完成代码理解任务。为了使比较公平，对于引入新代码实体的重构操作子集，只向从业者提供合成标识符。我们使用NASA任务负荷指数来衡量开发人员的表现，包括他们的努力、他们执行任务所花费的时间以及他们正确答案的百分比。我们的研究结果表明，尽管目前的技术限制，这是合理的期望重构工具，以匹配开发人员的代码。
2019-05-17 cs.SE
Workflow Automation for Cyber Physical System Development Processes
Vanderbilt University（范德堡大学）
网络物理系统（CPS）的开发需要在许多领域具有专业知识的开发人员之间进行密切的互动，以实现对提高性能，降低成本和更多系统自主性的不断增长的需求。每个工程学科通常依赖于特定领域的建模语言，并且这些模型的分析和执行通常通过适当的工具自动化。然而，这些异构的模型和工具之间的集成往往缺乏，这些工具的互操作的大部分负担是放在系统开发人员。为了解决这个问题，我们引入了一个工作流建模语言，复杂的CPS开发过程的自动化，并实现了一个平台，这些模型的执行基于保证的学习启用CPS（ALC）工具链。提供了几个说明性的例子，显示这些工作流模型是如何能够自动化许多耗时的集成任务，以前手动执行的系统开发人员。
2020-04-12 cs.AI cs.SE
Automated Detection, Categorisation and Developers' Experience with the Violations of Honesty in Mobile Apps
诚实、社会责任、公平、隐私等人类价值观是个人和社会认为重要的东西。软件系统，包括移动软件应用程序（app），可能会忽视或违反这些价值观，从而以各种方式对个人和社会产生负面影响。虽然有些作品已经调查了不同方面的人的价值观在软件工程，这种混合方法的研究集中在诚实作为一个关键的人的价值。特别是，我们研究了（i）如何检测移动应用程序中的诚实违规行为，（ii）移动应用程序中诚实违规行为的类型，以及（iii）应用程序开发人员对这些检测到的诚实违规行为的看法。我们首先开发和评估7个机器学习（ML）模型，以从最终用户的角度自动检测应用评论中违反诚实价值的行为。最有前途的是深度神经网络模型，F1得分为0.921。然后，我们对401条包含诚实违规行为的评论进行了手动分析，并将移动应用程序中的诚实违规行为分为10类：不公平的取消和退款政策;虚假广告;欺骗性订阅;作弊系统;不准确的信息;不公平的费用;没有服务;删除评论;冒充;和欺诈性外观应用程序。一项针对移动开发人员的开发人员调查和访谈研究确定了移动应用程序中违反诚信的7个关键原因，以及避免或修复此类违规行为的8种策略。我们的开发人员研究结果还阐明了违反诚信可能给企业、开发人员和用户带来的负面后果。最后，应用程序开发人员的反馈表明，我们的基于ML的原型模型在实践中可以带来很大的好处。
2022-11-14 cs.SE
How Different Is It Between Machine-Generated and Developer-Provided Patches? An Empirical Study on The Correct Patches Generated by Automated Program Repair Techniques
背景资料：多年来，自动程序修复（Automated Program Repair，APR）由于能够降低修复错误的成本而受到学术界和工业界的广泛关注。然而，如何评估补丁的正确性仍然是一个开放的挑战。两种广泛采用的方法来应对这一挑战，包括手动检查和使用自动生成的测试进行验证，都是有偏见的（即，分别遭受主观性和低精度）。目的：为了解决这一问题，我们建议进行实证研究，了解正确的补丁，由现有的国家的最先进的APR技术，旨在为未来的补丁评估提供指导方针。方法：为此，我们首先提出了一个文献综述（LR）报告的正确补丁生成的最新技术的缺陷4J基准和收集177个正确的补丁后，健全检查的过程。我们研究了这些机器生成的正确补丁是如何实现语义等价的，但与开发人员提供的补丁相比在语法上存在差异，这些补丁如何在不同的项目和APR技术中分布，以及错误的特征如何影响为其生成的补丁。我们的主要发现包括：1）我们不需要像开发人员那样修复bug，因为我们观察到25.4%（45/177）2）机器生成的正确补丁的分布在Defects 4J项目和APR技术方面存在差异;以及3）APR技术倾向于生成与开发者针对具有大补丁大小的错误所生成的补丁不同的补丁。结论：我们的研究不仅验证了以前的研究结论，但也强调了未来的研究对评估补丁的正确性的影响。
2019-06-08 cs.SE
Quantum Software Engineering Challenges from Developers' Perspective: Mapping Research Challenges to the Proposed Workflow Model
针对量子软件开发进展缓慢、软件工程实践与量子编程特性不匹配的问题，本文通过将现有软件工程研究映射到量子计算工作流，明确了量子计算领域软件工程的研究方向。
2023-08-02 cs.SE quant-ph
An Empirical Study on the Characteristics of Question-Answering Process on Developer Forums
开发者论坛是关于API用法的最流行和最有用的问答网站之一。API论坛的分析可以成为自动问答方法的关键资源。本文以Twitter、eBay和AdWords三个API论坛为研究对象，对问答过程的特征进行了实证研究。我们观察到，在所有三个论坛上，有60%的帖子都是通过提供API方法名称或文档来回复的。+85%的问题由API开发团队回答，API开发团队的回答引起的后续问题较少。我们的研究结果提供了经验证据，我们在未来的工作，以建立自动化的解决方案，以回答开发人员的问题，API论坛。
2019-09-09 cs.SE
Empirical Study of Restarted and Flaky Builds on Travis CI
持续集成（CI）是一种开发实践，开发人员经常将代码集成到公共代码库中。在代码被集成之后，CI服务器运行测试套件和其他工具以产生一组报告（例如，短绒和测试的输出）。如果CI测试运行的结果是意外的，开发人员可以选择手动重新启动构建，在相同的代码上重新运行相同的测试套件;如果重新启动的构建结果与原始构建不同，这可能会揭示构建的脆弱性。在这项研究中，我们分析了重新启动的构建，重新构建，以及它们对开发工作流的影响。我们观察到，开发人员至少重新启动了1.72%的构建，在我们的Travis CI数据集中共有56，522个重新启动的构建。我们观察到，更成熟和更复杂的项目更有可能包括重新启动的构建。重新启动的构建大多是最初由于测试、网络问题或Travis CI限制（如执行超时）而失败的构建。最后，我们观察到重新启动的构建对开发工作流有重大影响。事实上，在54.42%的重新启动的构建中，开发人员在最初失败的一个小时内分析并重新启动构建。这表明开发人员等待CI结果，中断他们的工作流程来解决问题。重新启动的构建也将合并拉取请求的速度降低了三倍，使合并时间的中位数从16小时降低到48小时。
2021-07-18 cs.SE
CI-Repair-Bench: A Repository-Aware Benchmark for Automated Patch Validation via CI Workflows
Software Performance, Analysis, and Reliability (SPEAR) Lab, Concordia University（康科迪亚大学软件性能、分析与可靠性实验室）
CI-Repair-Bench通过真实GitHub Actions执行构建，提供仓库级程序修复基准，包含567个CI失败实例，细粒度评估12种CI错误类型，揭示自动化修复在局部和工具强制失败上效果最佳，但环境依赖等问题仍具挑战。
2026-04-29 cs.SE
SeeHow: Workflow Extraction from Programming Screencasts through Action-Aware Video Analytics
本文提出 SeeHow，利用计算机视觉动作感知分析从编程屏幕录像中自动识别代码行编辑步骤及相关代码片段，从而提取可理解的编程工作流。
2023-04-27 cs.SE
Revizor: A Data-Driven Approach to Automate Frequent Code Changes Based on Graph Matching
开发人员在其项目中所做的许多代码更改都是重复的，并构成了经常性的更改模式。从开放源代码库的版本历史中收集这些模式并建议其中最有用的模式作为快速修复是很有意义的。在本文中，我们介绍了Revizor-一个旨在为流行的Python IDE PyCharm构建自定义插件的工具。基于Revizer的插件可以采用更改模式，并在开发人员的代码编辑器中突出显示其应用程序的潜在位置。如果开发人员接受快速修复，插件会自动执行编辑。我们的方法使用基于图形的代码更改表示，这使得它能够支持复杂的分布式代码模式。经验丰富的开发人员也积极评价了这种基于Revizer的插件的可用性和性能。该工具的源代码和测试插件原型可在GitHub上获得：www.example.com。带有简短工具描述的演示视频可以在YouTube上找到：www.example.com。
2021-08-25 cs.SE
Robustifying Controller Specifications of Cyber-Physical Systems Against Perceptual Uncertainty
与植物相互作用的控制器系统的安全性的形式化推理是复杂的，因为开发人员需要指定的行为，同时考虑到感知的不确定性。为了解决这个问题，我们提出了一个自动化的工作流程，需要一个事件B模型的不确定性不知道控制器和规范的不确定性作为输入。首先，我们的工作流程自动将不确定性注入到原始模型中，以获得一个不确定性感知但可能不安全的控制器。然后，它自动鲁棒控制器，使其满足安全，即使在不确定性。案例研究展示了我们的工作流程如何帮助开发人员探索多层次的感知不确定性。我们的结论是，我们的工作流程使设计和分析的不确定性感知控制器系统更容易，更系统。
2021-08-17 cs.SE
Toward Automatically Completing GitHub Workflows
提出基于 Transformer 的 GH-WCOM 方法，通过抽象过程自动补全 GitHub 工作流，实验显示正确预测率高达 34.23%，置信度可作为推荐正确性的可靠指标。
2023-09-06 cs.SE
Understanding How and Why Developers Seek and Analyze API-related Opinions
随着在线开发人员论坛作为非正式文档的出现和扩散，开发人员经常分享他们对所使用的API的看法。因此，其他人的意见往往会影响开发人员对软件开发的看法和决策。例如，API的选择或如何重用API提供的功能在很大程度上取决于其他开发人员对API的看法。虽然许多开发人员参考并依赖这些关于API的意见丰富的信息，但我们发现很少有研究调查公众意见的使用和好处。为了了解开发人员如何寻求和评估API意见，我们进行了两项调查，共涉及178名软件开发人员。我们从两个维度分析了数据，每个维度对应于与API评论相关的特定需求：（1）寻求API评论的需求，以及（2）评估评论的自动化工具支持的需求。我们观察到开发人员寻求API评论，并且经常必须针对不同的开发需求（例如，API适用性）。开发人员也会有意识地判断所提供的意见的可信度，并相信API评论分析的自动化工具支持可以帮助不同的开发场景，包括例如节省API选择的时间以及对特定API功能做出明智的决定。
2021-02-16 cs.SE
Wait For It: Identifying "On-Hold" Self-Admitted Technical Debt
自我承认的技术债务是指软件开发人员知道他们当前的实现不是最佳的，并使用源代码注释来表明这一点的情况。在这项工作中，我们假设有可能开发自动化技术来更详细地理解这些评论的子集，并提出工具支持，可以帮助开发人员更有效地管理自我承认的技术债务。基于对335条表明自我承认的技术债务的评论的定性研究，我们首先确定了一种适合自动化管理的特定债务类别：“搁置”自我承认的技术债务，即，债务，它包含一个条件，指示开发人员正在等待某个事件或已在其他地方实现的更新功能。然后，我们设计和评估一个自动分类器，它可以识别这些“等待”的情况下，在0.83的接收器工作特征曲线（AUC）的面积，以及检测开发人员正在等待的特定条件。我们的工作是迈向自动化工具支持的第一步，它能够指示何时可以解决某些自我承认的技术债务。
2019-10-21 cs.SE
Evaluating Workflow Automation Efficiency Using n8n: A Small-Scale Business Case Study
本研究通过n8n平台评估工作流自动化效率，发现自动化可将执行时间减少151倍并消除错误，证明了低代码自动化在提升小规模工作流效率和可靠性方面的有效性。
2026-02-01 cs.SE
How Developers Adopt, Use, and Evolve CI/CD Caching: An Empirical Study on GitHub Actions
University of Toronto（多伦多大学）；McGill University（麦吉尔大学）；Queen’s University（女王大学）
本文通过分析952个GitHub仓库，研究开发者在GitHub Actions中配置和演变CI/CD缓存的方式，揭示缓存使用模式及演变驱动因素，量化缓存维护的大量工作量。
2026-04-13 cs.SE
Automated Change Rule Inference for Distance-Based API Misuse Detection
开发人员构建应用程序编程接口（API）以重用代码库的现有功能。尽管重用已建立的库（例如，节省时间，高质量），开发人员可能会偏离API的预期用途;可能导致错误，或者更具体地说，API误用。最近的研究重点是开发自动检测API滥用的技术，但许多技术的假阳性率很高。在本文中，我们通过提出ChaRLI（更改规则推理）来改进这种情况，ChaRLI是一种基于API使用图（AUG）从开发人员对API误用的修复中自动推断更改规则的技术。通过随后应用图距离算法，我们使用更改规则来区分API误用和正确使用。这允许开发人员在同一个或另一个项目的其他代码位置重用其他人对API误用的修复。我们基于三个数据集评估了更改规则检测API误用的能力，并发现最佳平均相对精度（即，对于可测试的用途）范围从77.1%到96.1%，而对于单个更改规则，平均召回率范围从0.007%到17.7%。这些结果表明，ChaRLI和我们的误用检测是对现有API误用检测器的有益补充。
2022-07-14 cs.SE
Open-Source Projects and their Collaborative Development Workflows
对于使用分布式版本控制系统的团队来说，正确的协作开发工作流可以帮助保持项目存储库的长期质量并提高工作效率。尽管工作流程很重要，但关于如何使用它们以及它们对项目存储库产生何种影响的经验证据却很少。大多数关于使用工作流的建议仅仅是专家的意见。通常，只有一些轶事证据支持这些建议。因此，我们不知道使用了什么工作流，开发人员如何使用它们，以及它们对项目存储库有什么影响。本文研究了八个主要开源项目中的各种协作开发工作流，识别和分析了这些工作流及其项目库的结构，讨论了它们的相似性和差异性，并对未来的工作进行了规划。
2020-04-25 cs.SE
LLM-Powered Workflow Optimization for Multidisciplinary Software Development: An Automotive Industry Case Study
Chalmers University of Technology（查尔姆斯理工大学）；University College London（伦敦大学学院）
本文提出基于图的工作流优化方法，利用大语言模型替代手动协调，提升多学科软件开发效率，通过汽车行业案例验证，实现93.7%的F1分数，将API开发时间从5小时缩短至7分钟。
2026-03-30 cs.AI cs.SE
Developer Interaction Patterns with Proactive AI: A Five-Day Field Study
JetBrains；JetBrains Research（JetBrains 研究部）；Carnegie Mellon University（卡内基梅隆大学）；Delft University of Technology（代尔夫特理工大学）
本研究通过五天实地观察，揭示开发者对前瞻性AI建议的接受模式，发现干预时机和上下文对使用效果有显著影响。
2026-01-15 cs.HC cs.SE
WfChef: Automated Generation of Accurate Scientific Workflow Generators
科学工作流应用已经成为主流，它们在大规模计算平台上的自动化和高效执行是广泛研究和开发的对象。为了使这些努力取得成功，需要一个坚实的实验方法来评估工作流算法和系统。这种方法的基础是现实的工作流实例的可用性。在公共存储库中有几十个用于一些科学应用程序的工作流实例。虽然这些都是非常宝贵的，但它们是有限的：工作流实例并不适用于所有感兴趣的应用程序规模。为了解决这一限制，以前的工作已经开发出合成的，但代表性的，任意规模的工作流实例的生成器。这些生成器很受欢迎，但实现它们是一个手动的劳动密集型过程，需要专业的应用程序知识。因此，这些生成器只针对少数应用程序，尽管数百个应用程序在生产中使用工作流。在这项工作中，我们提出了WfChef，一个框架，完全自动化的过程中构建一个合成的工作流生成器的任何科学应用。基于一组输入的工作流实例，WfChef自动生成一个合成工作流生成器。我们定义和评估几个指标，量化生成的工作流的现实主义。使用这些指标，我们将WfChef生成器生成的工作流的真实性与以前可用的手工生成器生成的工作流进行比较。我们发现，WfChef生成器不仅需要零开发工作（因为它是自动生成的），而且生成的工作流比手工生成器生成的工作流更逼真。
2021-05-01 cs.DC cs.SE
Automated Reporting of GUI Design Violations for Mobile Apps
移动应用程序的初始化通常采用图形用户界面（GUI）的模型形式，表示为描绘满足需求的GUI小部件的正确布局和样式的静态图像。在这个初始模型之后，设计工件被交给开发人员，他们的目标是在代码中准确地实现这些GUI和所需的功能。由于模型和代码之间存在相当大的抽象差距，开发人员经常会引入与GUI相关的错误，这些错误可能会对应用程序在竞争激烈的市场中的成功产生负面影响。此外，在快速变化的应用程序的进化背景下，这种错误很常见。这导致了设计团队验证应用程序的每个屏幕都是根据预期的设计规范实现的费时费力的任务。本文介绍了一种新颖的自动化方法，用于验证移动应用程序的GUI是否按照其预期设计实现。我们的方法解决了GUI相关的信息，从实现的应用程序和模型，并使用计算机视觉技术，以确定在移动GUI的实现中的常见错误。我们在一个名为GVT的工具中为Android实现了这种方法，并对开源应用程序进行了受控的经验评估，并与华为的设计师和开发人员进行了工业评估。结果表明，GVT解决了一个重要的，困难的，高度实用的问题，具有显着的效率和准确性，是有用的和可扩展的工业设计师和开发人员的角度来看。目前，华为有超过一千名工业设计师和开发人员使用该工具来提高移动应用程序的质量。
2018-04-05 cs.SE
BDD-Based Framework with RL Integration: An approach for videogames automated testing
针对电子游戏复杂度提升导致脚本化自动化测试遇瓶颈的问题，提出集成行为驱动开发（BDD）与强化学习（RL）的测试框架，助力游戏工作室通过自动化测试提升游戏质量，论文为相关提案与在研框架的立场性总结。
2023-10-08 cs.SE
CrashScope: A Practical Tool for Automated Testing of Android Applications
在测试移动应用程序时，由于其普遍的事件驱动性质和复杂的上下文功能（例如传感器，通知），会出现独特的挑战。当前用于Android应用的自动化输入生成方法由于所需的仪器化或平台依赖性而通常对于开发人员来说不实用，并且通常不能有效地运用上下文特征。为了更好地支持开发人员执行移动测试任务，在本演示中，我们将介绍一种名为CrashScope的新型自动化工具。此工具根据静态和动态分析提供的几种策略，使用系统输入生成来探索给定的Android应用程序，其内在目标是触发崩溃。当检测到崩溃时，CrashScope会生成一个增强的崩溃报告，其中包含屏幕截图、详细的崩溃再现步骤、捕获的异常堆栈跟踪以及一个完全可重播的脚本，该脚本可在目标设备上自动再现崩溃。初步研究结果表明，CrashScope能够发现与其他最先进的工具一样多的崩溃，同时为开发人员提供详细有用的崩溃报告和测试脚本。网址：www.example.com视频网址：www.example.com
2018-01-18 cs.SE
An Empirical Comparison of Developer Retention in the RubyGems and npm Software Ecosystems
软件生态系统可以被看作是由技术组件（软件包）和维护技术组件的社会组件（开发人员社区）组成的社会技术网络。随着时间的推移，生态系统通过社会技术变化而演变，这些变化可能会极大地影响生态系统的可持续性。像开发人员流动这样的社会变化可能会导致技术退化。这激发了识别导致开发人员放弃的那些因素的需要，以便自动化识别具有高放弃风险的开发人员的过程。本文比较了两个软件包生态系统RubyGems和npm的这些因素。我们分析了他们在GitHub上托管的软件包的演变，考虑了提交方面的开发活动，以及与其他开发人员在提交、问题或拉取请求相关的评论方面的社交互动。我们分析了RubyGems和npm分别超过3万和6万开发人员的社会技术活动。我们使用生存分析来确定哪些因素与较低的生存概率相一致。我们的研究结果表明，开发人员放弃生态系统的可能性更高：不与其他开发人员进行讨论;没有很强的社交和技术活动强度;沟通或提交频率较低;并且长时间不参与技术和社交活动。这些观察结果可用于自动识别放弃生态系统的可能性很高的开发人员，从而降低与知识损失相关的风险。
2017-08-08 cs.SE
Towards Automated Semantic Grouping in Workflows for Multi-Disciplinary Analysis
当在可视化开发环境中设计多学科工具工作流时，研究人员和工程师经常将服务于功能目的的模拟工具与仅通过例如以下方式确保技术兼容性的辅助工具相结合：在文件格式之间转换。如果开发环境不提供对这些工具组的本地支持，则所开发的工作流的可维护性会随着复杂性的增加而迅速恶化。我们提出了一种方法，对自动识别这些群体的密切相关的工具，在多学科的工作流程中实现RCE的工作流程转换成一个图，并应用图聚类算法。此外，我们实现了这种方法，并评估多个聚类算法。我们的研究结果强烈表明，这种方法可以产生组密切相关的工具在RCE工作流，但也解决这个问题将不得不量身定制的工作流设计的每一个特定的风格。
2021-11-30 cs.HC cs.SE
zkSDK: Streamlining zero-knowledge proof development through automated trace-driven ZK-backend selection
zkSDK通过Presto语言剖析程序计算强度，结合动态选择算法自动挑选最优ZK后端，简化开发并提升体验。
2025-07-05 cs.SE
Automated DevOps Pipeline Generation for Code Repositories using Large Language Models
本研究利用GPT 3.5和GPT 4生成并评估GitHub Action工作流，提出DevOps感知分数，验证GPT 4在语法和DevOps感知上的显著提升，并开发了基于Probot的自动化应用。
2023-12-20 cs.SE
Automated Inference of Software Library Usage Patterns
现代软件系统越来越依赖于第三方库。人们普遍认为，使用成熟且经过良好测试的第三方库可以提高开发人员的生产力，缩短上市时间，并生产出更可靠的软件。今天的开放源代码库提供了广泛的库，可以免费下载和使用。然而，由于软件库是单独记录的，但打算一起使用，开发人员不太可能充分利用这些重用机会。在本文中，我们提出了一种新的方法来自动识别第三方库的使用模式，即，开发人员通常一起使用的库集合。我们的方法采用层次聚类技术组在一起的软件库外部客户端使用的基础上。为了评估我们的方法，我们从Maven Central Repository中挖掘了超过6,000个流行库，并调查了Github存储库中超过38,000个客户端系统的使用情况。我们的实验表明，我们的技术是能够检测到大多数（77%）的高度一致和凝聚力的图书馆使用模式在相当数量的客户端系统。
2016-12-06 cs.SE
Supporting Contextual Conversational Agent-Based Software Development
针对软件开发中情境信息分散难获取、现有实践缺乏有效流程指导的问题，提出基于对话智能体的知识增强软件开发方法，为开发者提供任务相关信息与工作流建议，推动软件工程领域人机交互向对话模式演进。
2023-05-01 cs.SE
Polymer: Development Workflows as Software
针对软件开发初始阶段依赖人工的问题，提出将开发工作流编写为软件（polymer）的方案，利用LLMs处理规格不明系统和任务过渡，在沃尔沃应用后节省2-3名FTEs人力，并探讨相关开放挑战。
2025-04-13 cs.SE
Specifying and Maintaining Agentic Workflows: An Empirical Study of GitHub Agentic Workflows
École de technologie supérieure (ÉTS), University of Quebec（魁北克大学高等技术学院）；Université Laval（拉瓦尔大学）
本研究通过分析GitHub智能体工作流文件的结构、演变和指令内容，揭示了其长指令、持续更新及安全防护不足的特点，为开发者维护智能体工作流提供实证指导。
2026-09-24 cs.SE
Operationalizing Ethics for AI Agents: How Developers Encode Values into Repository Context Files
Singapore Management University（新加坡管理大学）；Ruprecht-Karls-Universität Heidelberg（海德堡大学）；University of Melbourne（墨尔本大学）
本文探讨开发者如何通过仓库上下文文件将伦理原则转化为AI代理的行为指令，分析价值观编码的多样性及治理动态，为AI治理提供软件工程实践基础。
2026-05-07 cs.CY cs.SE
Model-based Workflow for the Automated Generation of PDDL Descriptions
Ruhr University（鲁尔大学）；Chair of Automation（自动化系）
本文提出一种基于MBSE的工作流，从集成系统与产品模型自动生成PDDL规划描述，并在飞机装配用例中验证其有效性。
2024-08-15 cs.AI cs.SE
Beyond Productivity: Measuring Developers' Cognitive Load During GenAI-Supported Software Development
Hasso Plattner Institute, University of Potsdam（波茨坦大学哈索·普拉特纳研究所）；SAP Labs（SAP实验室）
本研究通过四天工业现场实验，发现GenAI使用和任务背景与开发者感知认知负荷相关，生理数据仅提供有限补充信息，建议结合工作背景评估认知负荷。
2026-09-30 cs.HC cs.SE
PatchTrack: A Comprehensive Analysis of ChatGPT's Influence on Pull Request Outcomes
University of Nevada Las Vegas（内华达大学拉斯维加斯分校）
研究分析了338个包含ChatGPT使用的拉取请求，发现ChatGPT生成的代码被完全采用的比例仅为25%，开发者通常将AI输出作为起点进行调整和迭代，影响不仅限于代码生成，还涉及协作流程中的决策过程。
2026-04-04 cs.SE
Trust-Calibrated Code Review: A Participatory Design Study of Review Workflows for LLM-Generated Multi-File Changes
Lund University（隆德大学）；JetBrains Research（JetBrains 研究院）；JetBrains
本研究通过参与式设计，发现审查LLM生成的多文件变更的核心挑战是信任校准，提出了三级审查工作流程和七项设计构造，并通过验证调查表明其能降低审查工作量。
2026-06-01 cs.HC cs.SE
Studying and Automating Issue Resolution for Software Quality
本研究通过提升issue报告质量、表征开发者工作流程和自动化解决任务，推动AI驱动的issue解决，提升软件质量。
2025-12-11 cs.SE
Towards Heuristics for Supporting the Validation of Code Smells
代码气味的识别在很大程度上被认为是一项主观任务。因此，现有的自动检测工具不足以处理任务中涉及的整个主观性，需要人工验证。然而，开发人员可能遵循不同但互补的观点来手动验证相同的代码气味。基于这种情况下，我们的研究旨在表征一个全面的和优化的一组特征，用于指导开发人员验证自动检测工具报告的代码气味的发生率。为此，我们进行了实证研究，与12个经验丰富的软件开发人员。在这项研究中，我们邀请开发人员单独验证来自开源Java项目的24个代码片段中代码气味的发生率。对于每个验证，开发人员应该提供支持他们决策的参数。研究结果显示，开发人员倾向于从不同的角度看待问题，即使他们同意代码气味的发生率。在将303个参数编码并提炼之后，我们组成了一组优化的验证项目，用于指导开发人员手动验证八种类型的代码气味的发生率：数据类，上帝类，投机性一般性，中间人，拒绝遗赠，原始痴迷，长参数列表和功能嫉妒。我们目前正计划与专家一起进行调查，以确定改进所提议的验证项目集的机会。
2021-10-06 cs.SE
Generative AI for Pull Request Descriptions: Adoption, Impact, and Developer Interventions
本研究采用混合方法考察了18,256个PR，发现GitHub Copilot for PRs的采用率显著上升，能缩短审查时间并提高合并率，且开发者常手动补充AI生成的描述。
2024-02-14 cs.SE
PriGen: Towards Automated Translation of Android Applications' Code to Privacy Captions
提出PriGen框架，通过静态分析识别安卓应用敏感代码段，并利用神经机器翻译模型自动生成隐私说明，初步评估覆盖约30万代码段。
2023-05-11 cs.SE
AutoGen Studio: A No-Code Developer Tool for Building and Debugging Multi-Agent Systems
Microsoft Research（微软研究院）
为解决多智能体系统参数指定与调试困难的问题，提出基于AUTOGEN框架的无代码工具AUTOGEN STUDIO，提供拖放式UI和Python API以快速原型设计、评估和调试多智能体工作流，并开源了实现。
2024-08-09 cs.AI cs.CL cs.HC
Engineering Sustainable Agents: A Systematic Comparison of Agentic LLMs for Developer Workflows
SINTEF（辛特夫研究所）；Singapore Management University（新加坡管理大学）；Ozyegin University（奥兹耶金大学）
本研究系统比较了智能体LLM在五项软件工程任务中的性能，发现多智能体虽提升漏洞检测但能耗和延迟大幅增加，轻量配置更优，为可持续开发工具设计提供指南。
2026-10-05 cs.MA cs.SE
