论文导读：当编程遇上 AI——AI 编程助手用户体验研究论文合集

论文合集封面图

一图了解 AI 编程助手的用户体验研究全景：14 篇顶会论文，覆盖 Copilot、Codex、IntelliCode 等主流工具，揭示人机协作编程的机遇与挑战。

故事起源：当代码补全变成了"副驾驶"

2021 年，GitHub 推出了 Copilot——一个能够根据上下文自动生成代码的 AI 助手。彼时，开发者社区对这项技术既兴奋又警惕：兴奋于它可能将重复编码工作压缩到几秒钟，警惕于它生成的代码是否可靠、是否会让程序员丧失编码能力。

五年过去了，学术界对这些问题展开了系统性研究。AZHenley/papers-ux-ai-programming 正是这一研究浪潮的缩影——它由华盛顿大学博士、Austin Z. Henley（也是微软研究院研究员）维护，汇集了截至目前最完整的 AI 编程助手用户体验（UX）研究论文清单。这些论文来自 CHI、UIST、OOPSLA、ICSE、FSE 等软件工程与人机交互顶级会议，代表了学术界对 AI 编程工具最前沿的思考。

为什么这个项目值得关注

1. 研究者的"一站式"文献库

对于正在进行 AI 编程工具研究的学生、研究者或产品经理来说，这个项目最大的价值是节省检索成本。项目采用 Markdown 格式，每篇论文包含：

作者列表
一句话摘要（由 ChatGPT 生成）
发表会议/预印本平台
原始论文链接

这种结构化的论文索引，比在 Google Scholar 上逐篇搜索效率高得多。更难得的是，所有论文均可免费访问（arXiv 直链或作者个人页面 PDF），没有付费墙的阻碍。

2. 横跨两个领域的知识交汇

这个项目收录的论文分布在**人机交互（HCI）和软件工程（SE）**两个领域，展现了 AI 编程工具研究的多学科特征：

CHI 系列（3 篇）：关注可用性测试、用户体验评估，例如 CHI'22 的研究系统评估了 Copilot 在真实编程任务中的表现，发现用户普遍"喜欢"用 Copilot，但在理解、编辑和调试生成代码时遇到困难；
OOPSLA'23：Grounded Copilot 研究通过扎根理论（Grounded Theory）方法，发现程序员与 Copilot 的交互呈现"双峰模式"——要么高度依赖，要么完全忽略；
ICSE'23：研究揭示了 AI 代码推荐工具使用率低下的根本原因——不是功能不够强大，而是可发现性不足（discoverability）；

3. 对实践者的启发

对于正在使用或考虑引入 AI 编程工具的团队，这些论文提供了宝贵的洞察。例如：

初学者的学习路径（Koli Calling'23）：研究表明，LLM 辅助工具能显著提升学生编写代码的速度，但并不损害他们手动修改代码的能力；
生产力的重新定义（ACM Queue）：研究者预测，随着 AI 融入更多开发环节，程序员的角色将从"写代码"转向"评估和管理 AI 建议"；
提示工程的雏形（Arxiv）：研究探索了输入参数（如任务描述的详细程度、模型的创造力设置）对生成代码质量的影响，这是后来"提示工程"概念的早期学术表达；

项目结构与技术特点

这个仓库本身几乎没有"代码"——仅有 README.md 和 LICENSE 两个文件。维护方式完全依赖 GitHub 的协作机制：贡献者通过 Pull Request 添加新论文，维护者审核后合并。这种轻量级的运营模式反而保证了内容的质量——每篇论文都经过人工审核后才进入列表。

项目采用 MIT 开源许可证，允许自由引用和二次开发。对于教育用途，直接 fork 并修改格式即可。

上手体验

快速开始

无需安装任何依赖，直接访问 GitHub 页面即可浏览全部内容：

https://github.com/AZHenley/papers-ux-ai-programming

页面按论文发表时间倒序排列，每篇论文的摘要由 ChatGPT 自动生成，语言简洁准确，便于快速判断论文是否与自己的研究相关。

如何贡献

项目接受 PR 贡献，格式要求清晰：

论文标题
作者列表
ChatGPT 生成的一句话摘要
发表会议/平台
论文链接（arXiv 或出版商页面）

对于研究者而言，提交一篇自己近期发表的论文到该项目，也是一个不错的学术传播途径。

局限性与争议

这个项目并非完美，以下几点值得注意：

论文覆盖不完整：由于依赖社区贡献，论文列表存在选择性偏差——作者可能更倾向于收录 Copilot 相关研究，而忽视了其他 AI 编程工具（如 CodeWhisperer、Tabnine）的 UX 研究。

时效性挑战：AI 编程工具迭代速度极快，2023 年的研究结论可能已不适用于今天的 Copilot 版本。部分论文的实验设计（如使用的 Copilot 版本）已严重过时。

缺乏批判性分析：项目仅收集论文，不提供论文之间的对比或质量评估。读者需要自行阅读原文判断结论的可信度。

行业意义与未来展望

这个项目折射出一个更大的趋势：AI 编程工具正在从"技术突破"进入"用户研究"的成熟期。最初两年的研究侧重于功能评估（Copilot 能生成代码吗？正确率多少？），而近两年的研究开始深入用户体验（程序员如何与工具交互？什么因素影响使用意愿？）。

Austin Z. Henley 本人在 Koli Calling'23 也发表了论文，研究初学者如何使用 LLM 工具解决 CS1（计算机科学第一门课）问题——这意味着该合集不仅是外部研究的收集，也与他自己的研究形成了互文关系。

未来，随着 Claude Code、Cursor、Grok 等新一代 AI 编程工具的出现，这个论文列表预计会持续扩充。研究者可以关注以下方向：

多模态 AI 编程助手（结合代码补全与自然语言对话）
AI 编程工具对企业开发流程的影响
代码版权与许可证的合规性问题

资源链接

资源	链接
GitHub 仓库	https://github.com/AZHenley/papers-ux-ai-programming
维护者	Austin Z. Henley（华盛顿大学博士）
许可证	MIT
贡献方式	Pull Request

论文导读：当编程遇上 AI——AI 编程助手用户体验研究论文合集

论文合集封面图

一图了解 AI 编程助手的用户体验研究全景：14 篇顶会论文，覆盖 Copilot、Codex、IntelliCode 等主流工具，揭示人机协作编程的机遇与挑战。

故事起源：当代码补全变成了"副驾驶"

为什么这个项目值得关注

1. 研究者的"一站式"文献库

对于正在进行 AI 编程工具研究的学生、研究者或产品经理来说，这个项目最大的价值是节省检索成本。项目采用 Markdown 格式，每篇论文包含：

作者列表
一句话摘要（由 ChatGPT 生成）
发表会议/预印本平台
原始论文链接

2. 横跨两个领域的知识交汇

这个项目收录的论文分布在**人机交互（HCI）和软件工程（SE）**两个领域，展现了 AI 编程工具研究的多学科特征：

CHI 系列（3 篇）：关注可用性测试、用户体验评估，例如 CHI'22 的研究系统评估了 Copilot 在真实编程任务中的表现，发现用户普遍"喜欢"用 Copilot，但在理解、编辑和调试生成代码时遇到困难；
OOPSLA'23：Grounded Copilot 研究通过扎根理论（Grounded Theory）方法，发现程序员与 Copilot 的交互呈现"双峰模式"——要么高度依赖，要么完全忽略；
ICSE'23：研究揭示了 AI 代码推荐工具使用率低下的根本原因——不是功能不够强大，而是可发现性不足（discoverability）；

3. 对实践者的启发

对于正在使用或考虑引入 AI 编程工具的团队，这些论文提供了宝贵的洞察。例如：

初学者的学习路径（Koli Calling'23）：研究表明，LLM 辅助工具能显著提升学生编写代码的速度，但并不损害他们手动修改代码的能力；
生产力的重新定义（ACM Queue）：研究者预测，随着 AI 融入更多开发环节，程序员的角色将从"写代码"转向"评估和管理 AI 建议"；
提示工程的雏形（Arxiv）：研究探索了输入参数（如任务描述的详细程度、模型的创造力设置）对生成代码质量的影响，这是后来"提示工程"概念的早期学术表达；

项目结构与技术特点

项目采用 MIT 开源许可证，允许自由引用和二次开发。对于教育用途，直接 fork 并修改格式即可。

上手体验

快速开始

无需安装任何依赖，直接访问 GitHub 页面即可浏览全部内容：

https://github.com/AZHenley/papers-ux-ai-programming

页面按论文发表时间倒序排列，每篇论文的摘要由 ChatGPT 自动生成，语言简洁准确，便于快速判断论文是否与自己的研究相关。

如何贡献

项目接受 PR 贡献，格式要求清晰：

论文标题
作者列表
ChatGPT 生成的一句话摘要
发表会议/平台
论文链接（arXiv 或出版商页面）

对于研究者而言，提交一篇自己近期发表的论文到该项目，也是一个不错的学术传播途径。

局限性与争议

这个项目并非完美，以下几点值得注意：

缺乏批判性分析：项目仅收集论文，不提供论文之间的对比或质量评估。读者需要自行阅读原文判断结论的可信度。

行业意义与未来展望

未来，随着 Claude Code、Cursor、Grok 等新一代 AI 编程工具的出现，这个论文列表预计会持续扩充。研究者可以关注以下方向：

多模态 AI 编程助手（结合代码补全与自然语言对话）
AI 编程工具对企业开发流程的影响
代码版权与许可证的合规性问题

资源链接

资源	链接
GitHub 仓库	https://github.com/AZHenley/papers-ux-ai-programming
维护者	Austin Z. Henley（华盛顿大学博士）
许可证	MIT
贡献方式	Pull Request