AgentForge：學習代理式軟體工程的沉浸式角色扮演平台
arXiv - Human-Computer InteractionZihan Fang, Yueke Zhang, Yu Huang
開發 AgentForge 平台，透過角色扮演與鷹架支持，幫助新手學習如何與 AI 代理協作進行軟體修復。
AI 幫你先抓重點
AI 重點 1
從「單向使用 AI」轉向「角色化協作」的學習範式
滑鼠懸停看 AI 判斷理由
傳統 AI 工具多假設使用者具備引導與驗證能力，而 AgentForge 透過角色分配，讓學習者在特定的職責框架下與 AI 互動，這能有效降低新手在面對複雜代理系統時的認知負荷。
AI 重點 2
元認知支持（Metacognitive Support）在 AI 協作中的必要性
滑鼠懸停看 AI 判斷理由
當 AI 代理接管部分工作時，學習者容易產生黑箱感。透過視覺化代理間的協調過程與中間產物，能引導學習者進行自我監控與批判性評估，這對於培養未來 AI 時代的數位素養至關重要。
核心研究發現
- 1
在 37 名新手開發者的研究中，參與者在 AI 代理的支持下達成了極高的任務完成率。
- 2
不同角色間的互動需求差異顯著，其中「程式碼審查者」角色需要最多的互動回合、重新路由與完成時間，且被認為最具挑戰性。
- 3
參與者在完成練習後，對於軟體修復流程與 AI 代理協作能力的理解有顯著提升。
對教育工作者的啟發
課程設計者在設計 AI 輔助學習環境時，不應僅將 AI 視為「答案提供者」，而應將其設計為「協作夥伴」。建議採用角色扮演（Role-playing）策略，將複雜的任務拆解為多個專業角色（如規劃者、審查者），並透過鷹架機制（Scaffolding）讓 AI 的決策過程透明化。這不僅能幫助學生掌握專業技能，更能訓練他們在 AI 參與的流程中進行批判性思考與元認知監控，避免過度依賴 AI 而喪失判斷力。
原始文獻資訊
- 英文標題：
- AgentForge: An Immersive Role-Playing Platform for Learning Agentic Software Engineering
- 作者：
- Zihan Fang, Yueke Zhang, Yu Huang
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。