基于需求知識工程建設(shè)的增強(qiáng)大語言模型賦能需求提效CONTENTS2.解決思路&整體方案4.總結(jié)與展望背景&痛點(diǎn)背景測試運(yùn)維需求分析cOps測試運(yùn)維需求分析cOps設(shè)計(jì)開發(fā)頻度頻度人數(shù)人數(shù)程度程度基于能耗模型基于能耗模型，進(jìn)行量化評估5分4分3分2分頻度每天每天~每半周每半周~每周每周~每雙周參與人數(shù)(占比)程度(活動耗時)背景TOP能耗活動：需求準(zhǔn)入檢查、需求實(shí)例化分析，需求評審工作量較大533O445433/TSE/TSE455423433審/TSE/TSE453痛點(diǎn)因家端產(chǎn)品定制需求多，需求實(shí)例化分析工作量大，需求來源零散增加了分析難度，同時相似需求占比高，實(shí)例化內(nèi)容無法直接復(fù)用，重復(fù)進(jìn)行實(shí)例化造成研發(fā)人力浪費(fèi)交付節(jié)奏快定制需需求分析工作量大交付節(jié)奏快定制需產(chǎn)品換代頻產(chǎn)品換代頻來源零散需求相似度高重復(fù)分析需求相似度高解決思路&整體方案解決思路：構(gòu)建基于知識工程的AI應(yīng)用，覆蓋需求高能耗活動，設(shè)計(jì)原子應(yīng)用編排，模擬BA工作嵌入研發(fā)流程需求預(yù)分析>需求AI應(yīng)用AI需求準(zhǔn)入檢查——l通過BA確認(rèn)準(zhǔn)入檢查的可采納情況，調(diào)整準(zhǔn)入規(guī)范，更新——l通過BA確認(rèn)準(zhǔn)入檢查的可采納情況，調(diào)整準(zhǔn)入規(guī)范，更新PEl需求故障復(fù)盤，通過BA輸出原因分析和復(fù)盤舉措，更新到故障復(fù)盤知識庫l通過鐵三角判斷內(nèi)容生成的質(zhì)補(bǔ)充實(shí)例化知識庫整體方案：基于需求域端到端的知識工程建設(shè)，實(shí)現(xiàn)AI輔助需求分析提效需求獲取需求分析Query需求獲取需求分析QueryAnswer語料清洗度量應(yīng)用觸點(diǎn)知識庫建設(shè)評估系采納率覆蓋率iCente頁面自動回填述語料評估召回評估大模型提示詞RGA增強(qiáng)檢索應(yīng)用評估通用提示詞模板區(qū)域化提示詞模板 端端到端知識工程建設(shè)模型評估模型評估需需求實(shí)例化內(nèi)容有效生成?XXX場景原始需求需求分析子場景1..N要素+因子表達(dá)需求索引?XXX場景原始需求需求分析子場景1..N要素+因子表達(dá)需求索引特性索引基于要素庫做差分波及業(yè)務(wù)架構(gòu)場景樹?XXX特性特性描述特性配置實(shí)現(xiàn)原理和業(yè)務(wù)流程1）實(shí)現(xiàn)原理2）業(yè)務(wù)流程3）特性拆分組件索引用例設(shè)計(jì)（TCO，ST）?XXX市場需求需求描述實(shí)例化分析設(shè)計(jì)方案（業(yè)務(wù)架構(gòu)）需求方案需求方案用例設(shè)計(jì)（TCO，要素差分）用例庫特性設(shè)計(jì)用例庫特性設(shè)計(jì)?XXX組件組件說明代碼庫組件接口（CT）代碼庫功能點(diǎn)1..N功能測試點(diǎn)功能點(diǎn)1..N功能測試點(diǎn)用例設(shè)計(jì)（FT）整體方案：需求知識工程的底座-需求體系化到需求知識圖譜具體實(shí)現(xiàn)重點(diǎn)實(shí)踐：AI需求實(shí)例化內(nèi)容生成-背景導(dǎo)入重點(diǎn)實(shí)踐：AI需求實(shí)例化內(nèi)容生成研發(fā)活動流程市場需求輸入定系統(tǒng)、問目的、找用戶畫場景基于DNStudio平臺的提示詞管理，同一應(yīng)用可配置多個項(xiàng)目的提示詞為支撐不同項(xiàng)目的訴求，當(dāng)前提示詞可支持項(xiàng)目限定信息、AI輸出內(nèi)容、AI輸出格式的配置配置說明配置效果示例項(xiàng)目限定信息不同項(xiàng)目的問目的、找用戶等范家端產(chǎn)品需要通過增加限定詞來提高AI生成可靠性Before：生成不具體After：與業(yè)務(wù)強(qiáng)相關(guān)AI輸出內(nèi)容如①OTN項(xiàng)目需要輸出兼容性場景②PONG項(xiàng)目要求輸出RAG相似需求推薦列表AI輸出格式不同場景下AI生成的內(nèi)容格式不①自動化生成和評估時，需要生成JSON格式，便于生成結(jié)果解析②人工觸發(fā)AI應(yīng)用時，需要生成MarkDown格式，便于查看開發(fā)自定義清洗算子，把需求節(jié)點(diǎn)上的歷史需求處理成格式化的需求語料，適配多種任務(wù)場景開發(fā)通用和定制清洗算子適配于需求節(jié)點(diǎn)所有頁面歷史需求節(jié)點(diǎn)轉(zhuǎn)為需求QA對支撐知識庫建設(shè)知識庫按項(xiàng)目獨(dú)立存儲，包含索引和元數(shù)據(jù)文件，支持RAG、跨知識庫檢索，相關(guān)信息檢索RAG：檢索內(nèi)容拼接提示詞給LLM跨庫檢索：PONG項(xiàng)目查找DSL知識庫相關(guān)信息檢索：呈現(xiàn)查找需求的標(biāo)題、空間鏈接等相關(guān)信息通過自動化腳本每日識別新增需求，將人工評審?fù)ㄟ^的需求更新到知識庫，實(shí)現(xiàn)知識庫?；罨贒NStudio編排搭建AI應(yīng)用底座，實(shí)現(xiàn)知識庫檢索、LLM多路并行生成、內(nèi)容格式化等 基于腳本自動回填和@自動回復(fù)兩種方式完成工程化推廣，自動執(zhí)行后標(biāo)記AI生成兩種觸發(fā)方式的都是自動化執(zhí)行，無須人工干預(yù) 每日自動觸發(fā)AI應(yīng)用完成新增需求實(shí)例化，回填結(jié)果到iCenter需求頁面建設(shè)評估集，評估應(yīng)用效果評估結(jié)果牽引效果提升改進(jìn)通過數(shù)據(jù)埋點(diǎn)保留關(guān)鍵過程信息，如生成內(nèi)容、時間戳，呈現(xiàn)一體化度量看板基于TF-IDF算法的采納率計(jì)算知識庫搭建知識庫搭建定義TF-IDF（TermFrequency-InverseDocumentFrequency）是—種在信息檢索和自然語言處理中廣泛使用的統(tǒng)計(jì)方法，用于評估—個詞語對于—個文檔集或—個語料庫中的其中—份文件的重要程度?；居?jì)算文檔d中的詞條總數(shù)詞頻（TF）表示詞條（關(guān)鍵字）在文本中出現(xiàn)的頻率，通常被歸—化處理以防止t在文檔d中出現(xiàn)的次數(shù)文檔d中的詞條總數(shù)表示詞條的普遍重要性，反映了詞條的稀有程度。IDF的計(jì)算公式是：IDF(t)=log()。其中，D是文檔總數(shù)，dft是包含詞條t的文檔數(shù)量。通過取對數(shù)，可以避免數(shù)值過大的問題，同時保證了IDF的單調(diào)遞減特性。TF-IDF的計(jì)算公式為：TF一IDF(t,d)=TF(t,d)×IDF(t)。算法特點(diǎn)TF-IDF算法的特點(diǎn)主要是：簡單快速，容易理解，不考慮詞語的語義信息，不考慮特征詞的位置因素對文本的區(qū)分度，以及忽略了特征項(xiàng)在—個類別中不同類別間的分布情況。正是基于這樣的算法特點(diǎn)，它相比于Embedding算法會更加地“嚴(yán)謹(jǐn)”，因此更會適合于計(jì)算采納率。效果評估語料清洗評估建設(shè)知識庫建設(shè)語料清洗評估建設(shè)先驗(yàn)評估歷史需求嵌入流程評估先驗(yàn)評估歷史需求嵌入流程評估存量特性存量用例需求樹特性樹特性描述效果評估效果評估原始GWT生成原始MFQ原始GWT生成原始MFQ生成原始QueryGenerator-測試點(diǎn)最終AnswerValidator最終Answer數(shù)Generator：數(shù)Validator：校驗(yàn)Corrector：修改Corrector-實(shí)例化/GWTCorrector-實(shí)例化/GWT總結(jié)與展望u端到端知識工程建設(shè)l抓取需求的原始數(shù)據(jù)u端到端知識工程建設(shè)l抓取需求的原始數(shù)據(jù)