A4--杨吉喆--知识挖矿技术在研发体系中的实践应用.pdf

《A4--杨吉喆--知识挖矿技术在研发体系中的实践应用.pdf》由会员分享，可在线阅读，更多相关《A4--杨吉喆--知识挖矿技术在研发体系中的实践应用.pdf（36页珍藏版）》请在三个皮匠报告上搜索。

1、杨吉喆中兴通讯 AI应用教练 杨吉喆中兴通讯 AI应用教练中兴通用无线院AI应用教练，中国CAC联盟认证技术教练公司级DDD SA，曾在公司技术架构大会多次获奖参与无线院多个项目的AI提效落地实战工作：在需求域、代码域有多个项目的落地实战工作负责知识挖矿专题，在无线院横推在多个项目落地目录CONTENTSAI效能提升的瓶颈：知识体系0102知识挖矿的技术路径与解决方案03 用户收益与后续演进04构建知识体系的策略：知识挖矿PART 01 AI效能提升的瓶颈知识体系 背景与挑战需求域实例化分析、可行性分析、波及分析设计域业务设计、架构设计、非功能设计开发域详细设计 代码生成 FT生成 智能评审

2、知识体系（存量）测试域测试设计 文本用例生成 测试脚本生成需求库、特性库、场景库特性方案库、子系统方案库、服务方案库测试设计库、测试用例库组件/模块方案库、代码库需求/设计/测试/代码域全链路自动化的趋势与挑战 AI驱动的研发流程变革 知识增强的两大路径 高质量知识的重要性 垂直领域核心痛点研发层次提升：从指令式到意图式研发范式演进：从敏捷式到智能式研发资产演变：从代码工程到知识工程外挂知识：RAG、知识图谱模型内化：Embedding微调（语义对齐）、LLM训练（领域适应）ICMLPhysics of Language Models关于知识多样性和质量的研究结论项目中AI应用实施经验总结存量

3、知识体系零散、不完整存量知识显性化不足，大量隐性知识沉淀于业务专家脑中，难以系统化沉淀与复用。知识飞轮语料生成内容设计统一平台台台AI应用场景 波及分析 需求实例化业务方案设计 。需求体系化需求方案库特性方案库 场景库 。AI应用平台 AI应用流 知识库 大模型支撑知识抽取需求方案空间内嵌研发资产库生产体系化不完善PART 02 构建知识体系的策略知识挖矿 解决思路知识挖矿存量知识需求方案文档代码库专家经验详设文档测试用例结构化、图谱化的知识体系需求库需求方案库详设库场景库特性库特性方案库测试用例库子系统方案库组件库111nnnnnnnn1nnnnnnnn1nnnn1用户价值目标：高效、准确、

4、可推广知识飞轮技术壁垒高：数据采集、清洗、知识抽取、知识评估、知识图谱等矿源多样化：ICenter、iDesign、制品库、代码库等体系化建设面临的挑战知识质量差：模板不一致、术语不规范、关系不明确等人力紧缺：需求交付、过程改进、AI提效等任务艰巨矿源多样化：ICenter、iDesign、制品库、代码库等体系化建设面临的挑战知识质量差：模板不一致、术语不规范、关系不明确等技术壁垒高：数据采集、清洗、知识抽取、知识图谱等矿源多样化：文档、图片、用例、代码等知识体系化建设面临的挑战知识质量差：模板不一致、术语不规范、关系不明确等工程化挖矿矿 源知 识零碎隐性结构化显性化应用场景挖矿场景AI应用场

5、景应用知识库价值流需求分析方案设计代码开发组件/模块详设库实例化需求分析(特性/子系统/组件)波及分析(特性/子系统/服务)方案设计特性库子系统方案库组件库特性方案库子系统方案库服务方案库组件方案库模块方案库GWT库场景库正向挖矿：从存量需求方案中挖 GWT库 子系统方案库 特性方案库正向挖矿：从FT文本用例中挖 特性库 功能库 接口库逆向挖矿：从代码中逆向挖 组件方案库 模块方案库功能库接口库流程库组件库模块库逆向挖矿：从FT代码中逆向挖 组件方案库 模块方案库依赖依赖加速筑基自上而下：通过存量的文档来进行初步的知识体系构建特点：依赖存量知识的质量，构建出来的内容可能会不完整，不准确。正向自

6、下而上：代码可以实时反馈真实的业务功能，通过代码挖矿组件方案，通过组件方案构建子特性方案，通过子系统方案构建特性方案，可以比较准确完整的构建知识体系。逆向PART 03 知识挖矿的技术路径与解决方案 概览挖矿技术架构平台：基于公司主航道平台DevOps+技术架构：构建了标准化挖矿流水线，集成了标准化挖矿算子，提供可扩展的业务场景和算子能力内容域正向挖矿关键技术：提供了数据采集、数据清洗、知识抽取、知识关系检索、知识融合等标准化算子挖矿效果评测：针对知识关系检索、知识融合等提供了标准化评测算子代码逆向挖矿关键技术：提供了语法抽取、语义抽取、业务功能分析、架