Inżynieria wymagań oparta na agentach AI

• Break Down Complex Requirements – analizowanie wybranych wymagań i dzielenie ich na mniejsze, niezależnie testowalne wymagania z zachowaniem pierwotnego zamysłu.

  Przykładowe polecenie:

  Break down these requirements.

• Apply Requirement Writing Standards – przeglądanie wymagań i przeredagowywanie ich zgodnie z obowiązującymi w organizacji wytycznymi dotyczącymi tworzenia wymagań. Typowa kontrola obejmuje niejednoznaczność, nieweryfikowalne sformułowania, brak wskazania podmiotów wykonujących działania oraz niejasne kryteria akceptacji.

  Przykładowe polecenie:

  Rewrite these requirements according to our requirement quality standard.

• Translate Requirements – tłumaczenie wymagań z jednego języka na inny z zachowaniem znaczenia technicznego, terminologii, identyfikatorów i odniesień zapewniających identyfikowalność.

  Przykładowe polecenie:

  Translate these requirements to German.

• Classify Requirements – stosowanie organizacyjnego schematu klasyfikacji wymagań, obejmującego takie kategorie jak elektronika, mechanika, oprogramowanie, bezpieczeństwo funkcjonalne, ochrona przed zagrożeniami lub inne klasyfikacje specyficzne dla firmy.

  Przykładowe polecenie:

  Classify these requirements according to our applicability model.

• Generate Verification Criteria – analizowanie wymagań i proponowanie metod weryfikacji, kryteriów akceptacji lub warunków testowych, które umożliwiają wykazywanie zgodności zawsze w ten sam sposób.

  Przykładowe polecenie:

  Generate verification criteria for these requirements.

• Summarize a Specification/Section/Group of Requirements – generowanie zwięzłego i uporządkowanego podsumowania specyfikacji, sekcji wymagań lub zestawu wymagań.

  Przykładowe polecenie:

  Summarize the selected requirements.

Dobrze zdefiniowana umiejętność pomaga AI zrozumieć dwie rzeczy:

• Kiedy należy użyć danej umiejętności

• Co AI powinna zrobić po uruchomieniu umiejętności

Podczas definiowania umiejętności, 

Informacje te są określane w trzech polach, z których każde ma inne przeznaczenie:

• Name – pomaga rozpoznać umiejętność.

• Short Description – pomaga AI zdecydować, kiedy dana umiejętność jest odpowiednia.

• Instructions – określa sposób działania AI po wybraniu umiejętności.

Szczegółowe informacje o każdym polu znajdziesz w poniższych sekcjach.

Nazwa

Pole Name powinno być krótkie, jasne i wskazywać działanie. Powinno pomagać szybko zrozumieć, do czego służy dana umiejętność. Dobra nazwa zwykle opisuje działanie i rodzaj danych inżynierskich, na których pracuje umiejętność.

Dobra nazwa umiejętności powinna być:

• Wystarczająco konkretna, aby odróżnić ją od innych umiejętności

• Na tyle krótka, aby można ją było łatwo odnaleźć na liście umiejętności

• Skoncentrowana na głównym zadaniu wykonywanym przez umiejętność

• Sformułowana w języku naturalnie zrozumiałym dla użytkowników

Unikaj nazw, które są zbyt szerokie lub ogólne. Jeśli nazwa mogłaby pasować do wielu różnych zadań, prawdopodobnie nie jest wystarczająco precyzyjna.

Krótki opis

Pole Short Description pomaga AI zrozumieć, czego dotyczy umiejętność i kiedy należy ją uruchomić. To pole jest ważne, ponieważ nie musisz ręcznie wybierać umiejętności. Asystent analizuje Twoje polecenie, porównuje je z dostępnymi umiejętnościami i decyduje, czy dana umiejętność jest odpowiednia.

Dobry krótki opis powinien wyjaśniać:

• Jakie zadanie wykonuje umiejętność

• Do jakiego rodzaju danych inżynierskich ma zastosowanie

• Kiedy należy używać umiejętności

• Jaki wynik ma przynieść użycie umiejętności

Krótki opis powinien być zwięzły, ale nie ogólnikowy. Powinien zawierać wystarczająco dużo kontekstu, aby AI mogła odróżnić tę umiejętność od podobnych.

Słaby krótki opis wskazuje jedynie dziedzinę, do której należy umiejętność. Dobry krótki opis wyjaśnia konkretne zadanie, oczekiwany kontekst i sytuację, w której należy ją uruchomić. Na przykład zamiast opisywać umiejętność jako coś, co „pomaga w pracy z wymaganiami”, opis powinien wyjaśniać, czy umiejętność ocenia jakość wymagań, rozbija złożone wymagania na prostsze, tłumaczy treść wymagań, wykrywa konflikty, generuje kryteria weryfikacji czy wykonuje inne konkretne działanie.

Im lepiej krótki opis wyjaśnia cel umiejętności i kontekst jej użycia, tym trafniej asystent może decydować, kiedy ją zastosować.

Instrukcje

Pole Instructions określa, co AI powinna zrobić po wybraniu umiejętności. Jest to najważniejsze pole służące do kontrolowania sposobu działania umiejętności. Krótki opis pomaga AI zdecydować, kiedy użyć umiejętności, natomiast instrukcje określają, jak ma ona działać.

Dobre instrukcje powinny mieć formę jasnych wskazówek krok po kroku. Powinny opisywać nie tylko wynik końcowy, ale także sposób rozumowania i ograniczenia, których AI powinna przestrzegać podczas jego tworzenia.

Instrukcje powinny wyjaśniać:

• What the AI should analyze first – przed wprowadzeniem zmian lub wygenerowaniem czegokolwiek asystent powinien zazwyczaj zrozumieć zamysł inżynierski, kontekst, strukturę lub zależności.

• What steps the AI should perform – sposób działania powinien być podzielony na jasno określone kroki, aby wynik był powtarzalny i przewidywalny.

• What the AI should preserve – może to obejmować pierwotny zamysł, identyfikatory wymagań, terminy techniczne, jednostki, wartości, ograniczenia, odniesienia, zakres zastosowania, hierarchię lub kontekst identyfikowalności.

• What the AI must not do – dobrze zdefiniowane umiejętności wyraźnie zabraniają AI wymyślania brakujących szczegółów inżynierskich, zmieniania zamysłu, wprowadzania nowych założeń lub stosowania zmian bez sprawdzenia ich przez użytkownika.

• How the AI should handle uncertainty – jeśli informacje są niepełne, niejednoznaczne lub niewystarczające, instrukcje umiejętności powinny nakazywać AI jasne wskazanie problemu zamiast zgadywania.

• What output format is expected – umiejętność powinna określać, czy wynik ma mieć formę tabeli, listy punktowanej, przeredagowanego tekstu, podsumowania, listy kontrolnej czy uporządkowanego raportu.

Dobre instrukcje są szczególnie ważne w pracy inżynierskiej, ponieważ asystent może pracować z danymi wpływającymi na specyfikacje, walidację, decyzje projektowe lub późniejszą realizację. Umiejętność powinna zatem kierować działaniem AI tak, aby była pomocna, ale nie nadmiernie pewna swoich odpowiedzi.

Dodatkowe uwagi

• Celem nie jest napisanie długiego polecenia. Celem jest określenie jasnej procedury działania dla AI.

• Keep Skills Focused

  Umiejętność powinna dobrze wykonywać jedno powtarzalne zadanie.

  Jeśli umiejętność próbuje robić zbyt wiele rzeczy, asystentowi trudniej jest ustalić, kiedy jej użyć, a użytkownikom trudniej zaufać wynikom. Na przykład jedna umiejętność nie powinna łączyć dekompozycji wymagań, tłumaczenia, oceny jakości, analizy identyfikowalności i generowania procedur weryfikacyjnych, chyba że działania te celowo stanowią część jednego, ściśle zdefiniowanego procesu.

  Jeśli cel umiejętności wymaga wielu niepowiązanych działań, podziel ją na oddzielne umiejętności.

• Define Boundaries Clearly

  Dobre umiejętności mają jasno określone granice.

  Jest to szczególnie ważne podczas pracy z wymaganiami, specyfikacjami i danymi inżynierskimi. Asystent powinien wiedzieć, co wolno mu zmieniać, co może jedynie sugerować i czego nigdy nie wolno mu zakładać.

  Przydatne ograniczenia to:

  • Nie zmieniaj pierwotnego zamysłu inżynierskiego

  • Nie wymyślaj wartości, ograniczeń ani decyzji projektowych

  • Nie usuwaj identyfikatorów ani odniesień

  • Nie zakładaj brakujących metod weryfikacji

  • Nie stosuj zmian automatycznie bez sprawdzenia ich przez użytkownika

  • Nie traktuj niejasnych informacji jako faktów

  Jasne ograniczenia zmniejszają ryzyko uzyskania wyników, które brzmią wiarygodnie, ale są niepoprawne z inżynierskiego punktu widzenia.

• Define the Output Format

  Umiejętność powinna określać, w jaki sposób AI ma przedstawić wynik.

  Spójny format wyników ułatwia ich sprawdzanie, porównywanie i ponowne wykorzystywanie.

  W zależności od umiejętności wynik może mieć formę:

  • Tabeli

  • Listy punktowanej

  • Przeredagowanego wymagania

  • Uporządkowanego raportu

  • Listy kontrolnej

  • Podsumowania

  • Listy proponowanych zmian

  • Zestawu pytań lub otwartych kwestii

  Format wyniku powinien odpowiadać celowi umiejętności. Na przykład w przypadku umiejętności służących do oceny często sprawdzają się tabele z kolumnami zawierającymi problem, wyjaśnienie i zalecenie. W przypadku umiejętności służących do przeredagowywania tekstu często dobrze sprawdza się przedstawienie tekstu oryginalnego, proponowanej wersji i uzasadnienia.