LLMREI: Automating Requirements Elicitation Interviews with LLMs

一、文章主要内容和创新点

主要内容

本文介绍了LLMREI——一种基于大型语言模型（LLMs）的聊天机器人，旨在通过自动化需求获取访谈过程，减少人工访谈中的资源消耗、人为偏差和沟通误解。研究探索了三种实现方法：

1. 零样本提示（LLMREI-short）：使用简洁提示词引导GPT-4o进行访谈，无需示例；
2. least-to-most提示（LLMREI-long）：基于现有文献中的访谈指南，通过迭代优化提示词，使GPT-4o遵循结构化访谈流程；
3. 微调：使用真实访谈记录微调GPT-3.5，但因效果差被放弃。

通过33次模拟利益相关者访谈评估，结果显示：

• LLMREI的错误数量与人类访谈者相当；
• 能提取约73.7%的相关需求（60.94%完全提取，12.76%部分提取）；
• 具备较强的上下文适应能力，能生成与对话内容高度相关的问题。

研究认为，LLMREI在大规模利益相关者访谈中价值显著，可高效收集初始需求，辅助人工分析师后续聚焦关键需求。

创新点

1. 提出并测试了三种基于LLM的需求获取访谈方法，重点验证了两种提示工程策略的有效性；
2. 通过33次模拟访谈，从减少常见错误、提取需求能力、上下文适应能力三个维度系统评估了LLMREI的表现；