Feasibility of AI-Assisted Programming for End-User Development

📄 arXiv: 2512.05666v1 📥 PDF

作者: Irene Weber

分类: cs.LG, cs.AI, cs.SE

发布日期: 2025-12-05

备注: 12 pages, 3 figures

💡 一句话要点

探索AI辅助编程在终端用户开发中的可行性，以替代或补充低代码/无代码平台。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: AI辅助编程 终端用户开发 低代码/无代码 大型语言模型 人机交互

📋 核心要点

  1. 现有低代码/无代码平台存在灵活性不足、适用范围受限以及供应商锁定等问题。
  2. 利用大型语言模型，通过自然语言提示直接生成和改进代码，实现AI辅助的终端用户编程。
  3. 案例研究表明，非程序员能够在AI助手的帮助下成功开发Web应用，验证了该方法的可行性。

📝 摘要（中文）

终端用户开发（EUD）在组织数字化转型中扮演关键角色，非程序员可以创建或调整自己的数字工具。目前，低代码/无代码（LCNC）平台通过可视化编程实现EUD，最大限度减少手动编码需求。生成式AI的最新进展，特别是基于大型语言模型的助手和“副驾驶”，开辟了新的可能性，它们使终端用户能够直接从自然语言提示生成和改进编程代码并构建应用程序。这种方法，本文称之为AI辅助终端用户编码，与已建立的可视化LCNC平台相比，有望提供更大的灵活性、更广泛的适用性、更快的开发速度、更高的可重用性和更低的供应商锁定。本文研究了AI辅助终端用户编码是否是EUD的可行范例，未来可能补充甚至取代LCNC模型。为此，我们进行了一项案例研究，要求非程序员通过与AI助手交互来开发一个基本的Web应用程序。大多数研究参与者在合理的时间内成功完成了任务，并且表示支持AI辅助终端用户编码作为EUD的可行方法。本文介绍了研究设计，分析了结果，并讨论了对实践、未来研究和学术教学的潜在影响。

🔬 方法详解

问题定义：论文旨在探索AI辅助编程在终端用户开发（EUD）中的可行性。现有低代码/无代码（LCNC）平台虽然降低了编程门槛，但存在灵活性不足、适用范围受限以及供应商锁定等问题，无法完全满足终端用户的需求。因此，需要探索一种更灵活、更通用的EUD方法。

核心思路：论文的核心思路是利用大型语言模型（LLM）的强大代码生成能力，通过自然语言提示直接生成和改进代码，从而实现AI辅助的终端用户编程。这种方法旨在让非程序员也能参与到软件开发中，并获得更大的自主性和灵活性。

技术框架：论文采用案例研究的方法，招募非程序员作为研究对象，要求他们在AI助手的帮助下完成一个基本的Web应用程序开发任务。研究过程中，研究人员观察并记录参与者的交互过程、遇到的问题以及最终的完成情况。AI助手基于大型语言模型，能够理解自然语言提示并生成相应的代码。

关键创新：论文的关键创新在于探索了AI辅助编程在EUD中的应用潜力，并验证了其可行性。与传统的LCNC平台相比，AI辅助编程具有更高的灵活性和通用性，能够支持更广泛的应用场景。此外，AI辅助编程还可以降低终端用户对特定平台的依赖，减少供应商锁定。

关键设计：案例研究中，Web应用程序的具体功能需求未知。AI助手采用通用的大型语言模型，没有针对特定任务进行微调。研究人员主要关注参与者与AI助手的交互模式、提示词的设计以及代码的调试过程。研究中没有涉及特定的损失函数或网络结构，重点在于评估AI辅助编程的整体可行性。

📊 实验亮点

研究结果表明，大多数非程序员参与者能够在合理的时间内成功完成Web应用程序的开发任务，并对AI辅助编程表示支持。这表明AI辅助编程在EUD中具有很高的可行性，并有望成为LCNC平台的有力补充或替代方案。具体性能数据未知，因为研究重点在于可行性而非性能优化。

🎯 应用场景

该研究成果可应用于企业内部的数字化转型，赋能业务人员自主开发和定制化应用，提高工作效率和创新能力。此外，该方法还可用于教育领域，帮助学生学习编程概念和技能，降低编程入门门槛。未来，AI辅助编程有望成为一种主流的软件开发模式。

📄 摘要（原文）

End-user development,where non-programmers create or adapt their own digital tools, can play a key role in driving digital transformation within organizations. Currently, low-code/no-code platforms are widely used to enable end-user development through visual programming, minimizing the need for manual coding. Recent advancements in generative AI, particularly large language model-based assistants and "copilots", open new possibilities, as they may enable end users to generate and refine programming code and build apps directly from natural language prompts. This approach, here referred to as AI-assisted end-user coding, promises greater flexibility, broader applicability, faster development, improved reusability, and reduced vendor lock-in compared to the established visual LCNC platforms. This paper investigates whether AI-assisted end-user coding is a feasible paradigm for end-user development, which may complement or even replace the LCNC model in the future. To explore this, we conducted a case study in which non-programmers were asked to develop a basic web app through interaction with AI assistants.The majority of study participants successfully completed the task in reasonable time and also expressed support for AI-assisted end-user coding as a viable approach for end-user development. The paper presents the study design, analyzes the outcomes, and discusses potential implications for practice, future research, and academic teaching.