基于需求知识工程建设的增强大语言模型赋能需求提效

背景与痛点

中兴通讯面临需求分析高频、高能耗的痛点，主要集中在需求准入检查、需求实例化分析和需求评审环节。具体表现为需求描述规范性问题、分析产能不足、存量知识复用率低、需求分析缺陷偏高以及评审依赖经验等问题。

解决思路与整体方案

提出构建基于知识工程的AI应用，覆盖需求高能耗活动，设计原子应用编排，模拟BA工作嵌入研发流程，实现大模型需求分析提效。整体方案包括：

• 需求知识工程建设：建立需求体系化，包括需求树、场景树、特性树和组件树，并构建需求知识图谱。
• AI应用设计：开发AI需求实例化内容生成、需求准入检查和需求评审应用，通过五步法统一需求实例化规则。
• 知识库建设：搭建需求QA对知识库和特性树知识库，支持RAG检索增强生成。
• 工程化推广：通过自动化脚本和@自动回复方式实现工程化推广，自动执行并标记AI生成内容。
• 自动化评估：建立评估集，评估应用效果，通过数据埋点保留关键过程信息，呈现一体化度量看板。

关键数据与效果评估

• 语料清洗：清洗4.9w需求节点，构建包含1.3w需求QA向量知识库，采纳率提升10%（20%->30%）。
• 需求场景知识库：增加46%，采纳率提升10%（30%->40%）。
• 模拟特三角评审：相较于单点应用，AutoWork对于GWT的生成采纳率提升5%（40%->45%）。

总结与展望

通过端到端知识工程建设、工程化推广和自动化评估，实现需求分析提效。未来展望AI辅助需求域全流程，包括需求准入、需求分析和需求评审Generator，持续提升需求领域AI提效自动化程度。