소프트웨어 개발 과정 이해에 유용한 정보를 담고 있는 소프트웨어 저장소 데이터를 활용하기 위해, 지식 그래프를 LLM 기반 챗봇과 통합하여 저장소 관련 질문에 대한 정확도를 향상시키는 연구. 저장소 데이터로부터 지식 그래프를 구축하고, 이를 LLM과 결합하는 2단계 접근 방식을 사용. 150개의 다양한 난이도의 질문을 5개의 오픈 소스 프로젝트에 대해 평가한 결과, LLM의 추론 능력에 따른 오류가 발생했으나, few-shot chain-of-thought 프롬프팅을 적용하여 정확도를 84%까지 향상시킴. MSRBot 및 GPT-4o-search-preview와 비교하여 더 나은 성능을 보였으며, 사용자 연구에서도 효율성과 유용성을 입증.