PriseBot - A chatbot to assist in the development of iStar Extensions

在软件设计领域，存在着一个长期的挑战：如何不仅解释计算机程序应该“做什么”，还要解释它“为什么”要这样做。工程师们通常使用一种被称为“面向目标的需求工程”的方法，该方法将软件开发视为人类与系统共同实现一系列目标的系列过程。这种方法依赖于一种名为 iStar 的特定语言，它通过图表来描绘不同的参与者（如用户或组织）如何相互依赖以实现其目标。虽然这种语言功能强大，但它也存在局限性。随着现代技术的需求日益复杂，iStar 的标准规则有时会显得力不从心。为了解决这个问题，专家们创建了“扩展”（extensions），即对该语言进行的定制化添加，使其能够描述新的、特定的场景。然而，创建这些扩展是一项艰巨的任务，需要深厚的专业知识以及严格的、循序渐进的过程，以确保新规则能与旧规则正确兼容。

这正是名为 PriseBot 的新工具登场的地方。来自巴西塞阿拉联邦大学的研究人员开发了这个聊天机器人，旨在为任何试图创建此类定制扩展的人提供引导。PriseBot 并不强迫用户阅读晦涩难懂的手册或复杂的流程图，而是允许他们使用自然语言进行提问，就像与同事交谈一样。该系统的构建基于关于 iStar 语言的现有知识以及用于制作扩展的特定过程（称为 PRISE）。通过将对话式界面与从科学论文和技术文档数据库中检索精确信息的机制相结合，该机器人帮助用户在设计新软件规则的过程中，无需迷失方向即可顺利完成复杂的步骤。

研究人员不仅开发了这一工具，还通过两种截然不同的测试方式来验证其是否真正有效。首先，他们观察了一名经验有限的学生如何利用 PriseBot 创建一个全新的聊天机器人建模扩展。该学生在整个过程中都依赖于这个机器人，从最初的想法一直到最终的设计。学生反馈称该工具极其有用，并指出它让复杂的过程变得易于掌控，同时提供了清晰、结构化的答案以节省时间。机器人成功地引导了学生完成每一个阶段，帮助其定义新概念并根据要求的标准检查其工作成果。

为了验证这种成功是偶然现象还是具有普遍意义，团队随后调查了二十三名专门从事创建 iStar 扩展的资深研究人员。这些专家被要求评估该机器人的潜在用途、易用性以及提高生产力的能力。结果非常积极。绝大多数资深专业人士一致认为，该机器人会对他们的工作有所帮助，能使任务处理得更快，并提高项目圆满完成的可能性。他们发现界面直观，学习曲线平缓。与未针对此类特定技术知识进行训练的通用人工智能工具相比，PriseBot 表现得显著更好，它能正确回答每一个问题，而其他工具在相同主题上则无法提供准确答案。

该研究还通过使用它创建一个名为 iStar4Bot 的现实世界扩展，证明了机器人的实际价值。这个为 iStar 语言引入的新增部分专门旨在帮助工程师为聊天机器人建模，这是一个快速发展的领域。该扩展引入了诸如“意图”（intent）和“上下文”（context）等新概念，使得描述聊天机器人如何与人类交互变得更加精确。通过使用该聊天机器人协助生产出一个可运行且经过验证的扩展，事实表明该工具不仅仅是一个理论实验，而是一个能够弥合复杂理论与实际应用之间鸿沟的功能性辅助工具。

最终，研究表明，将对话技术引入专门的软件工程领域可以使复杂的流程变得通俗易懂。通过将严谨的、循序渐进的方法论封装在一个友好且具有交互性的界面中，研究人员创造了一种让初学者和专家都能更有效地参与高级软件设计概念的方式。研究结果表明，当人工智能经过特定高质量知识的精心训练并由清晰的过程引导时，它可以成为解决困难工程问题的可靠伙伴，使创建更好的软件系统对更广泛的人群而言变得更加触手可及。