出品人:亢江妹
Thoughtworks AI创新服务咨询顾问
Thoughtworks 咨询团队 AI创新服务负责人,15年以上跨行业的大型企业产品管理经验,当前专注于AI与BizDevOps、AI辅助产品探索与设计、AI辅助需求分析与领域建模、AI业务场景探索与规划、AI开放能力平台设计规划、提示工程和AI产品管理赋能培训、企业AI文化打造、企业AI战略设计等咨询工作。

LLM驱动需求与业务分析

本论坛将探讨如何利用大语言模型(LLM)革新需求分析流程。LLM通过自然语言处理和理解,快速处理非结构化数据,深入挖掘用户需求、识别市场机会,并有效转化为系统需求。本论坛汇聚顶尖专家与行业领袖,分享LLM在需求分析中的最佳实践与前沿案例,助您掌握AI驱动的分析变革,提升企业创新力与竞争力。
基于一站式平台的需求分析和设计AI应用
龙 波
中兴通讯有线院需求域教练负责人
内容简介:
智能需求工程大背景下,我们如何通过大模型结合知识库进行需求提效,在需求获取、需求分析、方案设计予以AI应用。
1、需求获取阶段:利用大模型分析原始需求并进行补全,帮助生成完整的描述和验收准则。
2、需求分析阶段:提取市场需求进行需求实例化,结合历史需求和产品特性知识,通过检索增强生成(RAG)技术,自动生成实例化文档降低人工撰写成本。此外,将故障复盘知识和评审规则融入需求评审中,有助于识别潜在风险并防止故障发生。
3、方案设计阶段:提取需求和分析内容,结合架构和业务逻辑,利用大模型自动生成设计原型和安全威胁判定,进一步加快设计过程。
在整个过程中,通过AI+人的人机协同,提升了需求分析和设计效率,增强了质量与可靠性。

演讲提纲:
1、智能需求工程与AI应用
需求准入:AI识别需求描述的完整性,结合行业CI信息对需求应用场景自补全
需求分析:利用需求体系化的需求树和特性树知识库做RAG增强生成需求实例化内容,进一步地通过需求和特性细分场景的同源关联,实现准确召回特性内容做RAG生成,并结合关联特性拆分需求。
需求评审:应用评审规则和故障复盘单知识库RAG,AI自动生成评审意见。
2、知识库构建
通过语料采集、语料清洗、知识建模、知识抽取、知识库构建,构建需求体系化知识库,形成QA对、知识图谱语料
3、未来展望
需求语料预训练、精调大模型
需求和开发、测试端到端流程的agent应用

听众受益:  
1、对于需求分析和方案设计,如何做一站式平台的AI应用,可以借鉴
2、结合大模型应用,如何构建知识库辅助分析和设计,可以参考
从事数通产品研发相关岗位如开发工程师、系统设计师、开发经理,曾担任IPN分中心过程改进负责人。目前在中兴通讯有线院数据系统部,负责有线院需求过程改进。
软件工程本硕,数通15+年工作经验。
需求分析流程自动化:从NLP到软件规格说明
李 智
中国计算机学会(CCF)杰出会员
内容简介: 
本次演讲介绍从需求文档到软件规格说明的自动化流程,包括需求文档预处理、信息抽取基本方法及课题组相关成果介绍。同时强调自然语言处理(NLP)技术在需求工程自动化中的关键作用,基于NLP、需求建模方法,课题组产出了需求分类、需求文档自动生成问题图以及模型代码转换等一系列成果。提出了基于深度学习的NFRNet,NFRNet-LT等模型来提取非功能性需求。基于文档预处理和词法规则、问题框架领域划分,我们实现了需求文档到问题图的自动转换。最后,还探讨如何将需求问题框架模型转换为UML模型。        

演讲提纲:
1、原始需求文档预处理:分词、数据清洗、数据转换
2、信息抽取:主要包括三个子任务: 关系抽取:通常我们说的三元组(triple)抽取,主要用于抽取实体间的关系。 实体抽取与链指:也就是命名实体识别。 事件抽取:相当于一种多元关系的抽取。
3、需求分类、提取:主要讨论基于需求工程领域的PURE数据集,使用了迁移学习、预训练语言模型、图神经网络、LSTM等等深度学习模型实现了非功能需求分类性能的有效提升。
4、NLP2PF自动生成问题图的工具:问题图的基本概念介绍及需求文档到问题图自动生成工具的转换实现
5、模型代码转换:ATL转换、EMF和Sirius平台的介绍。代码转换主要分为以下步骤,问题域到类图,需求到用例图,事件到服务图,现象到系统序列图

听众受益: 
1、区别于传统人工分析费时费力,对于软件工程中的需求工程提供了一个新的视角来解决自动化需求分析问题
2、展望最新的前沿知识,如LLM、模型微调、RAG、因果AI等,结合需求工程产生更为强大、智能的自动化分析能力
3、未来的需求分析体系工具将给工业界带来可落地、方便、快捷的自动化需求工具        

博士/教授/博导,广西师范大学独秀学者.中国计算机学会(CCF)杰出会员、软件工程专委会首届常务委员、系统软件、形式化方法及服务计算专委委员.IEEE/ACM高级会员.担任SCI期刊《专家系统:知识工程》副主编.主要研究方向包括面向问题的城市大数据需求工程、人机物融合系统建模与验证、智能软件工程及人机交互等.获得国家自然科学基金项目3项、省部级项目6项,发表学术论文70余篇(含CCF推荐A类期刊论文5篇,3次获得国际学术会议最佳论文奖) ,做学术会议邀请报告10余次(含大会特邀报告1次、中国计算机大会技术论坛主席及讲者2次)。
基于大模型UI智能化探索重塑需求交付
董孟辉
贝壳找房资深测试开发工程师
内容简介:
融合多模态技术创新,实现基于自然语言测试用例,自动化完成客户端UI测试驱动、校验全流程的智能化测试能力。探索如何充分利用大模型能力构建智能体提升客户端测试的效果和效率,包括需求用例描述任务交互和断言指令拆解、测试执行路径自动生成、动态组织代理实现与终端应用的图形化界面(GUI)操作、智能校验交互过程及结果,以及多端回归验证的能力。解决跨平台壁垒,拓宽了测试广度,增强测试的灵活性与适应性,为测试效率的提升开辟全新路径,重塑需求交付流程。        

演讲提纲:
1、背景介绍(贝壳在移动端测试面临的问题和挑战)
2、介绍AI驱动的客户端UI自动化测试目前探索和应用
1)介绍大模型技术在UI测试提效的整体方案
2)分享在实现过程中遇到的问题和关键解决举措
3)介绍移动多端回归测试的实现和方案
4)简要介绍LLM驱动测试策略设计和分析,全流程自动化重塑需求交付流程
3、当前的效果和分析
4、展望未来,质量全流程智能化演进展望

听众受益:
1、了解在UI测试领域通过多模态智能体实现UI交互和检查的全流程自动化的落地方案
2、了解大模型在UI测试落地的关键问题和应对举措
3、了解基于assistant api实现的多智能体在测试领域需求交付的实践    

毕业于西电,曾先后就职于字节阿里,目前在贝壳质量架构团队,负责智能测试技术探索和设计落地,包括需求测试分析、测试用例生成、多模态UI测试智能体等,运用大模型技术推动质量保障方式的创新。
需求助手:从能用到好用
亢江妹
Thoughtworks AI创新服务咨询顾问
内容简介: 
随着AI助手在编码和测试场景的应用成熟,越来越多的组织开始探索AI需求助手。要实现实用化,需要在辅助效果和落地可行性之间找到平衡。如何结合实际找到合适的细分场景?需求助手的知识库应包含哪些必要内容,如何快速构建并保险?设计时是贴合用户习惯还是推动流程变革?此外,如何实现需求助手与上下游场景的联动?本次演讲将通过实践案例探讨这些问题,分享从“能用”到“好用”的经验。       
 
演讲提纲:
1、如何结合组织实际情况,找到合适的细分场景?
2、AI需求助手需要怎样的知识库?如何轻量化构建并持续保鲜?
3、AI需求助手的用户体验设计:适应现有用户习惯还是推动流程改变?
4、AI需求助手如何与上下游场景联动,提升整体辅助效果?
5、「好用的AI需求助手」展望        

听众受益: 
1、了解如何设计并落地好用的AI需求助手
2、掌握构建和运营业务知识库的实际操作经验 
Thoughtworks 咨询团队 AI创新服务负责人,15年以上跨行业的大型企业产品管理经验,当前专注于AI与BizDevOps、AI辅助产品探索与设计、AI辅助需求分析与领域建模、AI业务场景探索与规划、AI开放能力平台设计规划、提示工程和AI产品管理赋能培训、企业AI文化打造、企业AI战略设计等咨询工作。

京ICP备2020039808号-4 京公网安备11011202100922号