AITOP

需求工程

共 4 条相关 AI 资讯
7月31日
10:38
10:38官方一手arXiv: OpenAI@Danyllo Albuquerque, José Renan, Guillermo Rodríguez, Guillermo Rodríguez, Emanuel Dantas, Ademar França, Mirko Perkusich, Kyller Gorgônio, Angelo Perkusich
精选
一项研究评估了 OpenAI o3 仅凭文本需求生成微服务架构的能力，测试对象为 Bookstore 和 PetClinic 两个系统。少样本提示下服务识别 F1 达 0.97，显著高于零样本的 0.79；通信恢复 F1 从 0.61 提升至 0.82。盲审专家认为少样本输出在模块性、连贯性和合理性上优于零样本。研究者指出结论受限于两个小型系统，不能视为模型无关的普遍证明。
论文OpenAI o3微服务需求工程
事件专题
推荐理由：OpenAI o3 能直接从需求文档拆出微服务，少样本示例让 F1 从 0.79 涨到 0.97。想用 LLM 做架构设计的可以看这篇。
原文
7月21日
10:03
10:03官方账号arXiv cs.AI@Chetan Arora, Andreas Vogelsang, Abbi Sharma
该论文提出代理型AI系统的需求工程需明确委托自治边界，即决定哪些任务可委托给系统、授权等级及监督方式。作者设计了两个工件：Agency Justification Record (AJR) 帮助团队判断何时需要代理而非简单替代方案；Agentic Delegation Policy (ADP) 涵盖目的、权限、信息、协调、保障和演化六个维度，其中权限采用分级模型。论文通过两个对比案例（安全关键的医院出院协调代理和自动代码审查代理）展示了框架应用。
论文AJRADP需求工程
推荐理由：做AI代理开发？这篇论文提出了AJR和ADP两个实用工具，帮你理清什么该委托给代理、怎么设定权限等级，比直接写prompt靠谱多了。
原文
7月14日
12:15
12:15官方账号arXiv cs.AI@Umm-e- Habiba, Lucas Mauser, Jonas Fritzsch, Justus Bogner, Stefan Wagner
这篇论文报告了在Daimler Truck公司进行的定性研究，涉及8位从业者。通过think-aloud协议和小组讨论，研究者分析了需求获取、规格和验证阶段。初步发现包括概念模糊、可测试性不足和验证碎片化等挑战。研究指出当前RE实践难以系统化处理可解释性需求，并提出了一个基于实证的可解释RE框架愿景。
论文Daimler Truck可解释性需求工程
推荐理由：想知道工业界怎么搞AI可解释性需求？Daimler Truck的8位工程师实战经验，告诉你现有方法哪里不好使。
原文
7月1日
09:58