論文の概要: REprompt: Prompt Generation for Intelligent Software Development Guided by Requirements Engineering

• arxiv url: http://arxiv.org/abs/2601.16507v1
• Date: Fri, 23 Jan 2026 07:14:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-26 14:27:27.58352
• Title: REprompt: Prompt Generation for Intelligent Software Development Guided by Requirements Engineering
• Title（参考訳）: Reprompt: 要求工学でガイドされたインテリジェントなソフトウェア開発のためのプロンプト生成
• Authors: Junjie Shi, Weisong Sun, Zhenpeng Chen, Zhujun Wu, Xiaohong Chen, Zhi Jin, Yang Liu,
• Abstract要約: 大規模言語モデルは、コーディングエージェントの基盤モデルとしてますます機能する。 エージェントベースのインテリジェントソフトウェア開発では、プロンプトが中心的な役割を果たす。 本稿では,要求工学によってガイドされるマルチエージェントプロンプト最適化フレームワークであるRepromptを提案する。
• 参考スコア（独自算出の注目度）: 43.0808976544794
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid development of large language models is transforming software development. Beyond serving as code auto-completion tools in integrated development environments, large language models increasingly function as foundation models within coding agents in vibe-coding scenarios. In such settings, prompts play a central role in agent-based intelligent software development, as they not only guide the behavior of large language models but also serve as carriers of user requirements. Under the dominant conversational paradigm, prompts are typically divided into system prompts and user prompts. System prompts provide high-level instructions to steer model behavior and establish conversational context, while user prompts represent inputs and requirements provided by human users. Despite their importance, designing effective prompts remains challenging, as it requires expertise in both prompt engineering and software engineering, particularly requirements engineering. To reduce the burden of manual prompt construction, numerous automated prompt engineering methods have been proposed. However, most existing approaches neglect the methodological principles of requirements engineering, limiting their ability to generate artifacts that conform to formal requirement specifications in realistic software development scenarios. To address this gap, we propose REprompt, a multi-agent prompt optimization framework guided by requirements engineering. Experiment results demonstrate that REprompt effectively optimizes both system and user prompts by grounding prompt generation in requirements engineering principles.
• Abstract（参考訳）: 大規模言語モデルの急速な開発は、ソフトウェア開発を変革させています。 統合開発環境でコードの自動補完ツールとして機能するだけでなく、大規模な言語モデルは、ビブコーディングシナリオにおけるコーディングエージェントの基盤モデルとして機能するようになっている。 このような設定では、プロンプトはエージェントベースのインテリジェントなソフトウェア開発において中心的な役割を果たす。 支配的な会話パラダイムの下では、プロンプトは通常、システムプロンプトとユーザープロンプトに分けられる。 システムプロンプトは、モデルの振る舞いを制御し、会話コンテキストを確立するための高レベルの命令を提供する。 その重要性にもかかわらず、効果的なプロンプトを設計することは依然として困難であり、プロンプトエンジニアリングとソフトウェアエンジニアリング、特に要求エンジニアリングの両方に専門知識を必要とする。 手動プロンプト工法の負担を軽減するため、多数の自動プロンプト工法が提案されている。 しかし、既存のほとんどのアプローチは要求工学の方法論的原則を無視し、現実的なソフトウェア開発シナリオにおける正式な要求仕様に準拠したアーティファクトを生成する能力を制限する。 このギャップに対処するため,要求工学によってガイドされるマルチエージェントプロンプト最適化フレームワークであるRepromptを提案する。 実験により,Repromptは要求工学の原理を即時生成することで,システムとユーザの両方のプロンプトを効果的に最適化することを示した。

関連論文リスト

• Guidelines to Prompt Large Language Models for Code Generation: An Empirical Characterization [82.29178197694819]
  我々は、開発固有のプロンプト最適化ガイドラインを導出し、評価する。 コード生成プロンプトを自動的に洗練するために、反復的でテスト駆動のアプローチを使用します。 我々は50人の実践者と評価を行い,提案した即興改善パターンの使用状況について報告する。
  論文  参考訳（メタデータ） (2026-01-19T15:01:42Z)
• Prompt-with-Me: in-IDE Structured Prompt Management for LLM-Driven Software Engineering [3.788792284009516]
  本稿では,Prompt-with-Meという,開発環境に直接組み込んだ構造化プロンプト管理の実践的ソリューションを提案する。 このシステムは、意図、著者の役割、ソフトウェア開発ライフサイクルステージ、プロンプトタイプを含む4次元の分類を用いて、自動的にプロンプトを分類する。
  論文  参考訳（メタデータ） (2025-09-21T14:24:37Z)
• Promptomatix: An Automatic Prompt Optimization Framework for Large Language Models [72.4723784999432]
  LLM(Large Language Models)は、巧妙なプロンプトで最高の性能を発揮するが、プロンプトは手動で、一貫性がなく、非専門家にはアクセスできない。 Promptomatixは、手作業のチューニングやドメインの専門知識を必要とせずに、自然言語のタスク記述を高品質なプロンプトに変換する。 システムは、ユーザ意図を分析し、合成トレーニングデータを生成し、プロンプト戦略を選択し、コストを意識した目標を使用してプロンプトを洗練する。
  論文  参考訳（メタデータ） (2025-07-17T18:18:20Z)
• Promptware Engineering: Software Engineering for LLM Prompt Development [22.788377588087894]
  大規模言語モデル(LLM)は、ソフトウェアアプリケーションに統合され、プロンプトが主要な'プログラミング'インターフェースとして機能する。 その結果,新たなソフトウェアパラダイムであるプロンプトウェアが出現し,自然言語のプロンプトを使ってLLMと対話する。 フォーマルなプログラミング言語や決定論的ランタイム環境に依存する従来のソフトウェアとは異なり、プロンプトウェアはあいまいで非構造的で文脈に依存した自然言語に基づいている。
  論文  参考訳（メタデータ） (2025-03-04T08:43:16Z)
• Abstraction Engineering [6.091612632147657]
  抽象化はすでに、ソフトウェア開発に関わる多くの分野で使われています。 本稿では、これらの新しい課題を考察し、抽象のレンズを通してそれらに取り組むことを提案する。 抽象化エンジニアリングの基礎について議論し、主要な課題を特定し、これらの課題に対処するための研究課題を強調し、将来の研究のロードマップを作成します。
  論文  参考訳（メタデータ） (2024-08-26T07:56:32Z)
• Efficient Prompting Methods for Large Language Models: A Survey [50.82812214830023]
  効率的なプロンプティング手法は幅広い注目を集めている。 本稿では,異なるプロンプト成分に対する自動プロンプトエンジニアリングと連続空間および離散空間におけるプロンプト圧縮について論じる。
  論文  参考訳（メタデータ） (2024-04-01T12:19:08Z)
• Exploring Prompt Engineering Practices in the Enterprise [3.7882262667445734]
  プロンプト(英: prompt)は、モデルから特定の振る舞いや出力を引き出すように設計された自然言語命令である。 特定の要求のある複雑なタスクやタスクに対して、迅速な設計は簡単ではない。 我々は、プロンプト編集行動のセッションを分析し、ユーザが反復したプロンプトの一部と、それらが行った変更の種類を分類する。
  論文  参考訳（メタデータ） (2024-03-13T20:32:32Z)
• Technical Report on Neural Language Models and Few-Shot Learning for Systematic Requirements Processing in MDSE [1.6286277560322266]
  本論文は,自動車要件のオープンソースセットの分析に基づくものである。 ドメイン固有の言語構造を導き、要求の不明瞭さを回避し、形式性のレベルを上げるのに役立ちます。
  論文  参考訳（メタデータ） (2022-11-16T18:06:25Z)

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。