Agentowe inżynieria wymagań

• Break Down Complex Requirements – przeanalizuj wybrane wymagania i podziel je na mniejsze, niezależnie testowalne wymagania, zachowując pierwotny zamiar.

  Przykładowy prompt:

  Break down these requirements.

• Apply Requirement Writing Standards – przejrzyj wymagania i przepisz je zgodnie z wytycznymi Twojej organizacji dotyczącymi formułowania wymagań. Typowe kontrole obejmują niejednoznaczność, język nieweryfikowalny, brak wskazania podmiotu wykonującego działanie oraz niejasne kryteria akceptacji.

  Przykładowy prompt:

  Rewrite these requirements according to our requirement quality standard.

• Translate Requirements – przetłumacz wymagania z jednego języka na inny, zachowując znaczenie techniczne, terminologię, identyfikatory i odniesienia śledzenia.

  Przykładowy prompt:

  Translate these requirements to German.

• Classify Requirements – zastosuj do wymagań organizacyjny schemat klasyfikacji, taki jak Electronics, Mechanical, Software, Safety, Security lub inne firmowe taksonomie.

  Przykładowy prompt:

  Classify these requirements according to our applicability model.

• Generate Verification Criteria – przeanalizuj wymagania i zaproponuj metody weryfikacji, kryteria akceptacji lub warunki testowe, które mogą zostać użyte do wykazania zgodności, zawsze w ten sam sposób.

  Przykładowy prompt:

  Generate verification criteria for these requirements.

• Summarize a Specification/Section/Group of Requirements – wygeneruj zwięzłe i uporządkowane podsumowanie specyfikacji, sekcji wymagań lub zestawu wymagań.

  Przykładowy prompt:

  Summarize the selected requirements.

Dobra umiejętność pomaga AI zrozumieć dwie rzeczy:

• Kiedy należy użyć danej umiejętności

• Co AI powinno zrobić po uruchomieniu umiejętności

Podczas definiowania umiejętności, 

Jest to wyrażone za pomocą trzech pól, z których każde ma inny cel:

• Name – pomaga Ci rozpoznać umiejętność.

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

• Instructions – określają sposób działania, którego AI powinno przestrzegać po wybraniu umiejętności.

Szczegóły dotyczące każdego pola znajdziesz w sekcjach poniżej.

Nazwa

Name powinno być krótkie, jasne i zorientowane na działanie. Powinno pomagać szybko zrozumieć, do czego dana umiejętność jest przeznaczona. Dobra nazwa zwykle opisuje działanie i typ danych inżynieryjnych, na których umiejętność pracuje.

Mocna nazwa umiejętności powinna być:

• Na tyle konkretna, aby odróżniać daną umiejętność od innych

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

• Skoncentrowana na głównym zadaniu wykonywanym przez umiejętność

• Sformułowana językiem naturalnie zrozumiałym dla użytkowników

Unikaj nazw zbyt szerokich lub ogólnych. Jeśli nazwa mogłaby pasować do wielu różnych zadań, prawdopodobnie nie jest wystarczająco konkretna.

Krótki opis

Short Description pomaga AI zrozumieć, czego dotyczy umiejętność i kiedy powinna zostać uruchomiona. To pole jest ważne, ponieważ nie musisz ręcznie wybierać umiejętności. Asystent analizuje Twój prompt, porównuje go z dostępnymi umiejętnościami i decyduje, czy dana umiejętność jest istotna. Dobry krótki opis powinien wyjaśniać:

• Jakie zadanie wykonuje umiejętność

• Do jakiego typu danych inżynieryjnych ma zastosowanie

• Kiedy należy użyć tej umiejętności

• Jaki rezultat umiejętność ma wygenerować

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

Słaby krótki opis mówi jedynie, do jakiej dziedziny należy umiejętność. Dobry krótki opis wyjaśnia konkretne zadanie, oczekiwany kontekst oraz sytuację wyzwalającą. Na przykład zamiast opisywać umiejętność jako coś, co „pomaga przy wymaganiach”, opis powinien wyjaśniać, czy umiejętność ocenia jakość wymagań, rozbija złożone wymagania, tłumaczy tekst wymagań, wykrywa konflikty, generuje kryteria weryfikacji czy wykonuje inne konkretne działanie.

Im lepiej krótki opis wyjaśnia cel umiejętności i kontekst jej użycia, tym bardziej niezawodnie asystent może zdecydować, kiedy ją zastosować.

Instrukcje

Instructions określają, co AI powinno zrobić po wybraniu umiejętności. To najważniejsze pole do kontrolowania zachowania umiejętności. Podczas gdy krótki opis pomaga AI zdecydować, kiedy użyć umiejętności, instrukcje określają, jak powinna ona działać.

Dobre instrukcje powinny być zapisane jako jasne wskazówki krok po kroku. Powinny opisywać nie tylko końcowy wynik, lecz także sposób rozumowania i ograniczenia, których AI powinno przestrzegać podczas tworzenia tego wyniku.

Instrukcje powinny wyjaśniać:

• What the AI should analyze first – asystent powinien zwykle zrozumieć intencję inżynieryjną, kontekst, strukturę lub zależności przed zmianą czegokolwiek lub wygenerowaniem nowych treści.

• What steps the AI should perform – zachowanie powinno być rozbite na jawne kroki, aby wynik był powtarzalny i przewidywalny.

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

• What the AI must not do – dobre umiejętności wyraźnie uniemożliwiają AI wymyślanie brakujących szczegółów inżynieryjnych, zmianę intencji, wprowadzanie nowych założeń lub stosowanie zmian bez przeglądu użytkownika.

• How the AI should handle uncertainty – jeśli informacji brakuje, są niejednoznaczne lub niewystarczające, umiejętność powinna nakazywać AI jasne wskazanie problemu zamiast zgadywania.

• What output format is expected – umiejętność powinna określać, czy wynikiem ma być tabela, lista punktowana, przepisany tekst, podsumowanie, lista kontrolna czy uporządkowany raport.

Dobre instrukcje są szczególnie ważne w pracy inżynieryjnej, ponieważ asystent może pracować z danymi wpływającymi na specyfikacje, walidację, decyzje projektowe lub dalszą implementację. Umiejętność powinna więc prowadzić AI tak, aby było użyteczne, ale nie nadmiernie pewne siebie.

Inne uwagi

• Celem nie jest napisanie długiego promptu. Celem jest zdefiniowanie 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 określić, kiedy jej użyć, a użytkownikom trudniej zaufać wynikom. Na przykład jedna umiejętność nie powinna łączyć dekompozycji wymagań, tłumaczenia, przeglądu jakości, analizy śledzenia i generowania weryfikacji, chyba że działania te są celowo częścią jednego, ściśle zdefiniowanego przepływu pracy.

  Jeśli cel umiejętności wymaga wielu niepowiązanych działań, podziel go na osobne umiejętności.

• Define Boundaries Clearly

  Dobre umiejętności jasno określają granice.

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

  Przydatne granice obejmują:

  • Nie zmieniaj pierwotnej intencji inżynieryjnej

  • Nie wymyślaj wartości, ograniczeń ani decyzji projektowych

  • Nie usuwaj identyfikatorów ani odniesień

  • Nie zakładaj brakujących metod weryfikacji

  • Nie stosuj zmian automatycznie bez przeglądu użytkownika

  • Nie traktuj niejasnych informacji jako faktów

  Jasne granice zmniejszają ryzyko powstania wiarygodnych, ale błędnych wyników inżynieryjnych.

• Define the Output Format

  Umiejętność powinna mówić AI, jak ma zwrócić wynik.

  Spójny format wyniku ułatwia przegląd, porównywanie i ponowne wykorzystanie umiejętności.

  W zależności od umiejętności wynik może mieć postać:

  • Tabeli

  • Listy punktowanej

  • Przepisanego wymagania

  • Uporządkowanego raportu

  • Listy kontrolnej

  • Podsumowania

  • Listy proponowanych zmian

  • Zestawu pytań lub otwartych kwestii

  Format wyniku powinien odpowiadać celowi umiejętności. Na przykład umiejętności zorientowane na przegląd często dobrze sprawdzają się w postaci tabel z kolumnami: problem, wyjaśnienie i zalecenie. Umiejętności zorientowane na przepisywanie często sprawdzają się wtedy, gdy pokazują tekst oryginalny, proponowany wynik i uzasadnienie.