LadderTeam：双代理阶梯启发框架

从最终用户那里获取详细且可操作的软件需求是软件产品或应用程序迭代开发的关键阶段。为了确保收集到的反馈详细且可操作，软件团队可以利用阶梯访谈技术。虽然这些访谈可以有效地确保软件反馈中的细粒度和可操作的项目，但也受到一些限制。传统上，它们是一个手动过程，会带来时间和财务负担，限制了可扩展性；采访者必须平衡探究深度和管理受访者行为和文化限制。为了解决这些限制，我们提出了 \textbf{LadderTeam}，这是一个开放的、可复制的框架，它使用双代理 大语言模型 (LLM) 架构自动执行 UX 线框访谈。主动面试官代理执行三种探测策略（ACV、5-Whys 和 JTBD）之一，从可用性反馈评论中引出可操作的软件需求，而并发的后台判断代理评估探测-响应对并触发实时护栏以防止主题漂移。为了严格评估 LLM 阶梯而不造成参与者方差混淆，我们引入了一种受控模拟方法，利用脚本化的 真值 转录本来隔离探针质量作为唯一的实验变量。在 216 次访谈中，\textbf{LadderTeam} 实现了 99.1\% 的链收敛和 81.0\% 真值 可操作的响应匹配（86.1\% 不情愿的个性，75.9\% 简洁的个性），所有运行的漂移为零。所有评估代码、所有成绩单、输入和现场演示平台将在接受后开源。