刘洪旭-多智能体需求评审.pdf

1、多角色智能需求评审刘洪旭|中兴通讯刘洪旭中兴通讯有线研究院需求领域敏捷教练/AI提效负责人中兴通讯有线研究院敏捷教练、AI 研发提效负责人。近两年来深耕 AI 技术在软件研发流程的落地应用，重点聚焦需求分析领域的提效提质突破。主导公司内部多项 AI 研发提效核心课题，实践成果已成功横向推广至多个业务单位并落地见效。目 录CONTENTSI.困局与破局：传统需求评审与AI防御思路II.框架与实施：多智能体协同需求评审III.成效与借鉴：工程收益与借鉴意义困局与破局传统需求评审与AI防御思路PART 011.1 痛点驱动：产品质量的“成本放大效应”=/L.D.Miles 价值分析价值=功能/成本交

2、付价值=交付质量投入成本=已解决的产品质量风险产品质量风险解决成本研发价值分析 使命：高质量实现客户需求质量风险解决成本计算成本总=14=14缺陷预防成本+缺陷定位成本+缺陷解决成本版本规划问题需求方案增量代码可运行的软件工程版本存量代码拆解挖掘设计编译发布构建测试研发活动流 使命：高质量实现客户需求1234缺陷预防成本缺陷预防成本缺陷定位成本缺陷解决成本传导传导返工返工缺陷预防成本 缺陷定位成本+缺陷解决成本质量风险预防(需求/方案)质量风险解决(软件版本)1.2 痛点驱动：产品质量的自动化护城河断点价值流研发活动版本规划问题需求方案增量代码可运行的软件研发版本工程版本存量代码拆解拆解挖掘挖

3、掘设计设计编译编译发布发布构建构建测试测试质量防护传统软件版本(软件)代码DT/RT测试用例FT/UT测试用例代码扫描规则自动化测试用例代码扫描（KW、Cov）检查对象测试规则图灵可计算的规则测试结果用例执行结果代码扫描结果专家设计专家设计代码实现代码实现机器执行机器执行需求/方案业务检查规则业务自动化评审需求方案评审结论自动化防护断点原因专家人工评审 需求/方案包含大量复杂业务背景知识，对评审角色的能力水平要求高，存在较高知识负荷，以专家为载体。基于自然语言的业务规则难以转换机器可执行的规则，传统工程检查手段难以跨域语义鸿沟。以人为桥梁。需求/方案评审活动通常跨角色协同（BA/SE/TL/D

4、ev/TSE），单一视野存在认知断层，以会议为平台。低成本低成本低成本低成本难度低难度低难度高难度高难度适中难度适中高成本高成本DT(Data Testing)数据测试；RT(Regression Testing)回归测试FT(Function Testing)功能测试；UT(Unit Testing)单元测试1.3 破局思路：知识驱动、智能体协同的需求质量AI防御体系核心目标质量：在需求阶段提前识别和应对产品质量风险，避免风险持续发酵；效率：机器自动化执行，减少专家依赖，低成本达成产品交付的质量目标。关键问题WHAT（风险与规则）；WHO（关键研发角色协同）；HOW（自动化防御）可达路径基于

5、质量风险知识体系，通过多专家智能体协同评审、综合决策，构建需求质量AI防御体系知识负荷(专家经验-质量风险知识体系)以典型历史故障、功能安全威胁模型、功能特性方案Checklist为核心语料，通过风险建模风险建模+推理挖掘推理挖掘的方式，沉淀需求评审规则，形成质量风险知识体系认知断层(单角色-多专家智能体协同)设计专家评审SOP模板，立足不同评审关注点协同评审。模拟专家角色的交互式需求评审流程模拟专家角色的交互式需求评审流程，深度挖掘潜在的需求质量风险语义鸿沟(人-LLM)基于研发过程文档训练私域专家模型，借助LLM的语义理解、信息提炼、逻辑推理语义理解、信息提炼、逻辑推理等能力，解决”机器”

6、无法处理自然语言问题知识建设自动化(流水线工厂)充分利用LLM的逻辑推理能力，从历史故障/高危需求文档中发掘隐性风险检查规则，形成知识飞轮知识飞轮，应对持续演进的业务体系框架与实施多智能体协同需求评审PART 022.1 技术框架：多智能体协同需求评审需求阶段尽早识别和应对产品质量风险，避免风险持续发酵1、风险建模：基于需求阶段的核心价值点，针对核心产品组件分析潜在风险，建立风险模型。2、知识挖掘：基于风险模型，采用“AI+专家”的方式挖掘需求评审规则，形成“价值-风险-规则-应对”体系。3、多角色协同：构建基于质量风险RAG+专家角色Agents的评审智能体群，交互式完成需求评审。历史故障库