論文の概要: Professional Software Developers Don't Vibe, They Control: AI Agent Use for Coding in 2025
- arxiv url: http://arxiv.org/abs/2512.14012v1
- Date: Tue, 16 Dec 2025 02:15:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-17 16:49:26.547469
- Title: Professional Software Developers Don't Vibe, They Control: AI Agent Use for Coding in 2025
- Title（参考訳）: プロのソフトウェア開発者はバイブしない, コントロールする - 2025年のAIエージェントによるコーディング
- Authors: Ruanqianqian Huang, Avery Reyna, Sorin Lerner, Haijun Xia, Brian Hempel,
- Abstract要約: 本稿では,ソフトウェア構築に経験豊富な開発者がエージェントをどのように利用するかを検討する。
開発者がエージェントを生産性の向上として評価する一方で、ソフトウェア設計と実装のエージェンシーを保っています。
我々の結果は、エージェントを効果的に活用するソフトウェア開発のベストプラクティスの価値を浮き彫りにした。
- 参考スコア（独自算出の注目度）: 15.51798857332735
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rise of AI agents is transforming how software can be built. The promise of agents is that developers might write code quicker, delegate multiple tasks to different agents, and even write a full piece of software purely out of natural language. In reality, what roles agents play in professional software development remains in question. This paper investigates how experienced developers use agents in building software, including their motivations, strategies, task suitability, and sentiments. Through field observations (N=13) and qualitative surveys (N=99), we find that while experienced developers value agents as a productivity boost, they retain their agency in software design and implementation out of insistence on fundamental software quality attributes, employing strategies for controlling agent behavior leveraging their expertise. In addition, experienced developers feel overall positive about incorporating agents into software development given their confidence in complementing the agents' limitations. Our results shed light on the value of software development best practices in effective use of agents, suggest the kinds of tasks for which agents may be suitable, and point towards future opportunities for better agentic interfaces and agentic use guidelines.
- Abstract（参考訳）: AIエージェントの台頭は、ソフトウェアの構築方法を変えつつある。
エージェントの約束は、開発者がより早くコードを書くこと、複数のタスクを異なるエージェントに委譲すること、さらには自然言語から完全なソフトウェアを書くことだ。
実際、プロフェッショナルなソフトウェア開発において、ロールエージェントが果たす役割は、依然として疑問である。
本稿では,経験豊富な開発者がソフトウェア構築において,モチベーション,戦略,タスク適合性,感情などのエージェントをどのように利用するかを検討する。
現場観察 (N=13) と質的調査 (N=99) を通じて、経験豊富な開発者が生産性の向上としてエージェントを価値付けする一方で、ソフトウェア設計と実装において基本的なソフトウェア品質特性への要求から、エージェントの専門知識を活用したエージェントの行動制御戦略を採用することを発見した。
さらに、経験豊富な開発者は、エージェントの制限を補完する自信から、ソフトウェア開発にエージェントを組み込むことについて、全体的に肯定的だと感じています。
その結果,エージェントを効果的に活用する上でのソフトウェア開発のベストプラクティスの価値に光を当て,エージェントが適するタスクの種類を示唆し,エージェントインターフェースやエージェント利用ガイドラインの改善に向けた今後の機会を示唆した。
関連論文リスト
- An Empirical Study of Agent Developer Practices in AI Agent Frameworks [59.862193600499914]
大規模言語モデル(LLM)の台頭はエージェントへの関心の高まりを引き起こし、エージェントフレームワークの急速な成長につながった。
エージェントフレームワークが広く使われているにもかかわらず、それらの実践的応用とエージェント開発プロセスにどのように影響するかは未解明のままである。
開発者の80%以上が、特定の開発要件に最も適合するフレームワークを特定するのに苦労していると報告している。
論文 参考訳（メタデータ） (2025-12-01T17:52:15Z) - Agentsway -- Software Development Methodology for AI Agents-based Teams [4.226647687395254]
Agentswayは、AIエージェントが一流の協力者として機能するエコシステム向けに設計された、新しいソフトウェア開発フレームワークである。
このフレームワークは、計画、プロンプト、コーディング、テスト、微調整エージェントの異なる役割を定義している。
Agentswayは、次世代のAIネイティブで自己改善型のソフトウェア開発方法論に向けた基本的なステップである。
論文 参考訳（メタデータ） (2025-10-26T11:58:42Z) - SEAgent: Self-Evolving Computer Use Agent with Autonomous Learning from Experience [71.82719117238307]
本稿では,コンピュータ利用エージェントが不慣れなソフトウェアとのインタラクションを通じて進化することを可能にするエージェント型自己進化フレームワークSEAgentを提案する。
我々は、OS-World内の5つの新しいソフトウェア環境におけるSEAgentの有効性を検証する。
当社のアプローチは,競合するオープンソースCUAに比べて,11.3%から34.5%という,23.2%の大幅な改善を実現している。
論文 参考訳（メタデータ） (2025-08-06T17:58:46Z) - ADEPTS: A Capability Framework for Human-Centered Agent Design [16.17708866196561]
我々はAIエージェントのコアユーザ対応機能セットを定義する機能フレームワークであるADEPTSを紹介する。
私たちは、複雑なAI-UX要件を、AI研究者、デザイナ、エンジニア、ポリシーレビュアーなどの行動可能なガイダンスとして、コンパクトなフレームワークにまとめることを目指しています。
論文 参考訳（メタデータ） (2025-07-18T22:27:40Z) - Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。
我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。
結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
論文 参考訳（メタデータ） (2025-07-10T20:12:54Z) - Unified Software Engineering agent as AI Software Engineer [14.733475669942276]
大規模言語モデル(LLM)技術は、自動コーディングに対する期待を高めた。
本稿では,統一ソフトウェア工学エージェントやUSEagentを開発することによって,この問題を理解することを目的とする。
私たちはUSEagentを、AIと人間の両方を含む将来のソフトウェア開発チームのチームメンバーになる、将来のAIソフトウェアエンジニアの最初のドラフトとして考えています。
論文 参考訳（メタデータ） (2025-06-17T16:19:13Z) - Experiential Co-Learning of Software-Developing Agents [83.34027623428096]
大規模言語モデル(LLM)は、特にソフトウェア開発において、様々な領域に大きな変化をもたらした。
本稿では,新しいLLM学習フレームワークであるExperiential Co-Learningを紹介する。
実験では、このフレームワークにより、エージェントは、目に見えないソフトウェア開発タスクをより効果的に対処できることを示した。
論文 参考訳（メタデータ） (2023-12-28T13:50:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。