論文の概要: Beyond the Prompt: Linking What Developers Ask, Do, and Understand with Coding Agents
- arxiv url: http://arxiv.org/abs/2609.33712v1
- Date: Sun, 27 Sep 2026 16:15:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-04 17:28:21.144416
- Title: Beyond the Prompt: Linking What Developers Ask, Do, and Understand with Coding Agents
- Title（参考訳）: プロンプトを超えて: コーディングエージェントを使って開発者が質問、実行、理解するものをリンクする
- Abstract要約: Understandは、開発者がエージェントに書くものを分析するためのエンドツーエンドのワークフローである。
5つのステージ(Capture、Prepare、Analyze、Integrate、Interpret)と3つの楽器:プロンプトコードブック、スクリーン記録されたアクティビティやイベントをコーディングするためのスキーム、プロセスとソリューションを説明するためのルーブリックを分離する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Coding agents can now change code for developers, who describe goals, supply context, and respond to the agent's work. Yet prompts, screen activity, and task success each tell only part of this story. We present Say, Do, Understand, an end-to-end workflow for analyzing what developers write to an agent, what they do while it works, and what they can explain afterwards. The workflow has five stages (Capture, Prepare, Analyze, Integrate, and Interpret) and three instruments: a prompt codebook, a scheme for coding screen-recorded activities and events, and separate rubrics for explaining the process and the solution. We applied it in an observational study of ten experienced developers who used GitHub Copilot on an unfamiliar codebase. Crossing task performance with understanding produced four personas. The two measures agreed for eight developers but split for two: one passed most tests but could not explain the solution, and another passed few tests but explained it well. In this sample, the personas that most often asked the agent to check its work spent the least time testing on their own. These patterns are descriptive and do not generalize beyond the sample. We recommend the workflow to computing educators, industry practitioners, and researchers to adapt and evaluate human--AI communication in software engineering.
- Abstract（参考訳）: コーディングエージェントは、目標を記述し、コンテキストを提供し、エージェントの作業に応答する開発者のためのコードを変更することができる。
しかし、プロンプト、スクリーンアクティビティ、タスクの成功はそれぞれ、このストーリーの一部だけを示しています。
私たちはSay, Do, Understandという,開発者がエージェントに何を書けばいいのか,動作中に何をするのか,その後に何を説明することができるのかを分析するためのエンドツーエンドワークフローを紹介します。
ワークフローには5つのステージ(Capture、Prepare、Analyze、Integrate、Interpret)があり、プロンプトコードブック、スクリーン記録されたアクティビティやイベントをコーディングするためのスキーム、プロセスとソリューションを説明するためのルーブリックが分離されている。
私たちは、GitHub Copilotを馴染みのないコードベースで使用した10人の経験豊富な開発者の観察調査に、これを適用しました。
理解によるクロスタスクパフォーマンスは4つのペルソナを生み出した。
2つの措置は8人の開発者で一致したが、2つに分けた。1つはほとんどのテストに合格したが、ソリューションの説明はできず、もう1つはテストに合格したが、うまく説明できた。
このサンプルでは、エージェントに自分の仕事をチェックするよう依頼するペルソナが、自分自身でテストするのに最小限の時間を費やしました。
これらのパターンは記述的であり、サンプル以外は一般化しない。
我々は、ソフトウェア工学における人間-AIコミュニケーションを適応し、評価するために、教育者、業界実践者、研究者にこのワークフローを推奨する。
関連論文リスト
- RecreationWorld: Scalable and Verifiable Environments for Hybrid Computer-Use Agents [53.51359930826217]
真のデジタルワークには、端から端まで積み重ねるのではなく、両方をインターリーブする必要があります。
インターフェースを探索し、ソフトウェアを実装し、それらのアーティファクトを実行し、視覚的に検証するタイミングを自律的に決定するハイブリッドCUAについて研究する。
レクリエーションを中心に構築された5プラットフォームフレームワークであるRecreationWorldを紹介します。
論文 参考訳（メタデータ） (2026-09-18T17:00:56Z) - (Im)Paired Programming: Coding Agents Improve Productivity but Harm Understanding [59.19634073105828]
54人の学生が2つのAIシステムのうちの1つでウェブサイトを作成しています。
我々は,エージェントを使わずにコードを拡張するタスクを,理解的質問や理解を通じてテストする。
自己報告の弱い理解にもかかわらず、ユーザはコーディングエージェントを好む。
論文 参考訳（メタデータ） (2026-07-29T01:23:04Z) - Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction [57.138342889101345]
Tencent WorkBuddy Benchは、コーディングエージェントのためのマルチドメイン評価スイートである。
本報告では, 設計手法, スコアリングプロトコル, クロスモデルリーダーボードについて述べる。
論文 参考訳（メタデータ） (2026-07-23T04:34:06Z) - Latent Programming Horizons in Coding Agents [6.8463578914435645]
ソフトウェアエンジニアリングタスクを解決するコーディングエージェントは、コードの推論、編集、テストの実行に数十ステップを費やしている。
符号化エージェントによる言語モデルの残余ストリームは、進化するプログラムの特性を線形にエンコードすることを示す。
将来の編集結果を予測するために訓練されたプローブは、パフォーマンスを最大25ステップまで向上させる。
論文 参考訳（メタデータ） (2026-07-06T15:08:26Z) - Code as Agent Harness [107.31925305395957]
新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。
コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。
この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
論文 参考訳（メタデータ） (2026-05-18T17:59:03Z) - AgentMesh: A Cooperative Multi-Agent Generative AI Framework for Software Development Automation [0.0]
ソフトウェア開発タスクの自動化に複数のLCMエージェントを併用したPythonベースのフレームワークを提案する。
AgentMeshでは、Planner、Coder、Debugger、Reviewerといった特殊なエージェントが協力して、ハイレベルな要件を完全に実現されたコードに変換する。
論文 参考訳（メタデータ） (2025-07-26T10:10:02Z) - 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)
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。