[論文レビュー] Prompts Blend Requirements and Solutions: From Intent to Implementation

Shalini Chakraborty, Jan-Philipp Steghöfer|arXiv (Cornell University)|Mar 17, 2026

Software Engineering Research被引用数 0

ひとこと要約

本論文は、プロンプトを混成された要求と解決策として扱う Prompt Triangle モデルを提案し、実際のプロンプトで検証し、要件認識型プロンプトエンジニアリングのベストプラクティスを導くための仮説と実証評価計画を概説します。

ABSTRACT

AI coding assistants are reshaping software development by shifting focus from writing code to formulating prompts. In chat-focused approaches such as vibe coding, prompts become the primary arbiter between human intent and executable software. While Requirements Engineering (RE) emphasizes capturing, validating, and evolving requirements, current prompting practices remain informal and adhoc. We argue that prompts should be understood as lightweight, evolving requirement artifacts that blend requirements with solution guidance. We propose a conceptual model decomposing prompts into three interrelated components: Functionality and Quality (the requirement), General Solutions (architectural strategy and technology choices) and Specific Solutions (implementation-level constraints). We assess this model using existing prompts, examining how these components manifest in practice. Based on this model and the initial assessment, we formulate four hypotheses: prompts evolve toward specificity, evolution varies by user characteristics, engineers using prompting engage in increased requirement validation and verification, and progressive prompt refinement yields higher code quality. Our vision is to empirically evaluate these hypotheses through analysis of real-world AI-assisted development, with datasets, corpus analysis, and controlled experiments, ultimately deriving best practices for requirements-aware prompt engineering. By rethinking prompts through the lens of RE, we position prompting not merely as a technical skill, but as a central concern for software engineering's future.

研究の動機と目的

• 軽量で進化する要件アーティファクトとしてのプロンプトの再概念化（意図と解決策ガイダンスをブレンド）
• プロンプトを相互に関連する三要素に分解する：機能性と品質、一般的な解決策、特定の解決策
• 既存のプロンプトデータセットとケース例を用いてモデルを検証し、プロンプト構成のパターンを理解する
• プロンプトの進化、ユーザー特性、プロンプトの洗練がコード品質に与える影響について検証可能な仮説を策定する
• 要件認識型プロンプト工学のベストプラクティスを導くためのエンピリカル計画（コーパス分析と対照実験）を提示する

提案手法

• プロンプトを機能性と品質（要件）、一般的な解決策、特定の解決策として三部構成の Prompt Triangle に整理する
• DevGPT データセットと追加プロンプトを用いてモデルを検証し、プロンプト内容を分類する
• 各成分の存在と共起パターンを定量化するためにプロンプトを分析する
• プロンプトの進化、ユーザー体験効果、検証・認証のダイナミクスについて仮説を立てる
• コーパス構築・分析・対照実験を含む今後の経験的計画を概説する

実験結果

リサーチクエスチョン

• RQ1 マルチターンの AI 支援コーディングセッションにおける Specific Solutions、General Solutions、機能性/品質の観点でプロンプトはどのように進化するのか？
• RQ2 開発者の経験とドメイン知識がプロンプト内の Prompt Triangle の成分分布にどのように影響するのか？
• RQ3 反復的なプロンプト作成は従来の開発と比べて要件検証・検証活動を増加させるのか？
• RQ4 進行的なプロンプト洗練（検証と検証の分離）はコード品質を改善し、要件と実装のズレを減らすのか？

主な発見

Pattern	Req	Gen	Spec	n	%	Table Headersとしての翻訳は以下のとおりです
All Three	✓	✓	✓	64	53.3
Req + Gen	✓	✓	-	27	22.5
Req + Spec	✓	-	✓	11	9.2
Gen + Spec	-	✓	✓	1	0.8
Req Only	✓	-	-	16	13.3
Gen Only	-	✓	-	0	0%
Spec Only	-	-	✓	1	0.8
Total	118	92	77	120	100

• プロンプトは要件を強く重視しており、98.3% が機能性と品質の成分を含む。
• 三要素パターン（全ての三要素）が支配的な形で、 prompts の 53.3%（n=64）に現れる。
• 一般的な解決策はプロンプトの 76.7%、特定の解決策は 63.3% のプロンプトに現れる。
• 二成分パターン（Req + Gen）は prompts の 22.5% を占め、何をどうするかの二段階洗練を支持する。
• 要件のみで解決策成分を含まないプロンプトは 16 件（13.3%）ある。
• 総じて要件とともに少なくとも一つの解決策成分を含むプロンプトは 85%、解決策のみのプロンプトは稀で 1.7%）。
• 結果は、ユーザーがまず意図を指定し、その後解決策を制約する傾向を示しており、要件と設計についての推論をプロンプト駆動で行うアプローチを示唆する。