01 / 研究问题
围绕 Claude Code、Cursor 等 AI 编程工具，研究开发者在真实使用中的行为与认知：用户在什么场景下使用工具、期待获得什么帮助、遇到哪些体验问题。
研究目标是构建有真实反馈依据的需求框架，支持后续用户研究与问卷构念设计。
02 / 我的工作
采集 Reddit、知乎等开发者社区中的用户讨论，并结合点赞和评论活跃度筛选高价值反馈。对文本进行清洗、分词、去停用词和结构化整理，降低无关内容对分析的干扰。
将文本中的使用场景、需求表达与痛点进行归纳，把开放式讨论转换为可进一步分析的研究材料。
03 / 分析方法
综合使用 K-means、LDA 和基于 Transformer 的 BERT 三种方法，对用户讨论进行聚类与主题分析，并比较不同方法的结果，辅助识别主要关注维度。
01采集与筛选社区讨论、点赞与活跃度
02文本分析清洗、聚类与主题挖掘
03需求归纳使用场景与体验痛点
04 / 研究产出
形成 5 类用户关注主题，归纳为 3 类积极示能性与 2 类消极示能性。
积极与消极示能性分别指工具为用户提供的行动可能，以及使用中暴露的限制与阻碍。研究产出构成 AI 编程工具用户需求结构框架，为后续问卷构念设计和量化研究提供实证依据。
该成果为用户研究与需求分析产出，不代表已实施产品改版或取得用户增长指标。