Агентная инженерия

• Break Down Complex Requirements – проанализировать выбранные требования и разбить их на более мелкие, независимо проверяемые требования, сохранив исходное намерение.

  Пример запроса:

  Break down these requirements.

• Apply Requirement Writing Standards – проверить требования и переписать их в соответствии с правилами написания требований, принятыми в вашей организации. Типовые проверки включают неоднозначность, непроверяемые формулировки, отсутствие действующих лиц и неясные критерии приемки.

  Пример запроса:

  Rewrite these requirements according to our requirement quality standard.

• Translate Requirements – перевести требования с одного языка на другой, сохранив технический смысл, терминологию, идентификаторы и ссылки трассировки.

  Пример запроса:

  Translate these requirements to German.

• Classify Requirements – применить к требованиям организационную схему классификации, например Electronics, Mechanical, Software, Safety, Security или другие специфичные для компании таксономии.

  Пример запроса:

  Classify these requirements according to our applicability model.

• Generate Verification Criteria – проанализировать требования и предложить методы верификации, критерии приемки или условия испытаний, которые можно использовать для демонстрации соответствия всегда одинаковым способом.

  Пример запроса:

  Generate verification criteria for these requirements.

• Summarize a Specification/Section/Group of Requirements – создать краткую и структурированную сводку спецификации, раздела требований или набора требований.

  Пример запроса:

  Summarize the selected requirements.

Хорошо сформулированный навык помогает ИИ понять две вещи:

• Когда следует использовать навык

• Что ИИ должен делать при выполнении навыка

При определении навыка 

Это задается с помощью трех полей, каждое из которых имеет свое назначение:

• Name – помогает вам распознавать навык.

• Short Description – помогает ИИ определить, когда навык уместен.

• Instructions – определяют поведение, которому должен следовать ИИ после выбора навыка.

Подробные сведения о каждом поле см. в разделах ниже.

Имя

Поле Name должно быть коротким, понятным и ориентированным на действие. Оно должно помогать вам быстро понимать, для чего предназначен навык. Хорошее имя обычно описывает действие и тип инженерных данных, с которыми работает навык.

Хорошее имя навыка должно быть:

• Достаточно конкретным, чтобы отличать навык от других

• Достаточно коротким, чтобы его было легко просматривать в списке навыков

• Сфокусированным на основной задаче, которую выполняет навык

• Сформулированным на языке, который пользователи естественно понимают

Избегайте слишком широких или общих названий. Если название может относиться ко множеству разных задач, оно, вероятно, недостаточно конкретно.

Краткое описание

Поле Short Description помогает ИИ понять, о чем этот навык и когда он должен срабатывать. Это поле важно, потому что вам не нужно выбирать навык вручную. Помощник анализирует ваш запрос, сопоставляет его с доступными навыками и решает, является ли навык релевантным.

Хорошее краткое описание должно объяснять:

• Какую задачу выполняет навык

• К какому типу инженерных данных он применяется

• Когда следует использовать навык

• Какой результат ожидается от навыка

Краткое описание должно быть лаконичным, но не расплывчатым. Оно должно содержать достаточно контекста, чтобы ИИ мог отличить этот навык от похожих навыков.

Слабое краткое описание лишь указывает, к какой области относится навык. Сильное краткое описание объясняет конкретную задачу, ожидаемый контекст и ситуацию, в которой навык должен запускаться. Например, вместо описания навыка как того, что «помогает с требованиями», описание должно объяснять, проверяет ли навык качество требований, разбивает сложные требования на части, переводит текст требований, выявляет конфликты, формирует критерии верификации или выполняет другое конкретное действие.

Чем лучше краткое описание объясняет назначение навыка и контекст его использования, тем надежнее помощник сможет определить, когда его применять.

Инструкции

Поле Instructions определяет, что ИИ должен делать после выбора навыка. Это самое важное поле для управления поведением навыка. Если краткое описание помогает ИИ решить, когда использовать навык, то инструкции определяют, как именно навык должен выполняться.

Хорошие инструкции должны быть написаны как четкие пошаговые указания. Они должны описывать не только конечный результат, но и логику, а также ограничения, которым должен следовать ИИ при формировании этого результата.

Инструкции должны объяснять:

• What the AI should analyze first – помощник, как правило, должен понимать инженерный замысел, контекст, структуру или взаимосвязи, прежде чем что-либо изменять или генерировать.

• What steps the AI should perform – поведение должно быть разбито на явные шаги, чтобы результат был воспроизводимым и предсказуемым.

• What the AI should preserve – это может включать исходный замысел, идентификаторы требований, технические термины, единицы измерения, значения, ограничения, ссылки, применимость, иерархию или контекст трассируемости.

• What the AI must not do – хорошие навыки явно запрещают ИИ выдумывать недостающие инженерные детали, менять замысел, вводить новые предположения или применять изменения без проверки пользователем.

• How the AI should handle uncertainty – если информации не хватает, она неоднозначна или недостаточна, навык должен предписывать ИИ четко указать проблему, а не строить догадки.

• What output format is expected – навык должен определять, должен ли результат быть представлен в виде таблицы, маркированного списка, переписанного текста, сводки, контрольного списка или структурированного отчета.

Хорошие инструкции особенно важны для инженерной работы, поскольку помощник может работать с данными, влияющими на спецификации, валидацию, проектные решения или последующую реализацию. Поэтому навык должен направлять ИИ так, чтобы он был полезен, не проявляя при этом чрезмерной самоуверенности.

Другие примечания

• Цель не в том, чтобы написать длинный запрос. Цель состоит в том, чтобы определить для ИИ четкую рабочую процедуру.

• Keep Skills Focused

  Навык должен хорошо выполнять одну повторяемую задачу.

  Если навык пытается делать слишком много разных вещей, помощнику становится труднее понять, когда его использовать, а пользователям — доверять результату. Например, один навык не должен одновременно объединять декомпозицию требований, перевод, проверку качества, анализ трассируемости и формирование верификации, если только эти действия намеренно не являются частью одного четко определенного процесса.

  Если назначение навыка требует нескольких несвязанных действий, разделите его на отдельные навыки.

• Define Boundaries Clearly

  Хорошие навыки явно определяют границы.

  Это особенно важно при работе с требованиями, спецификациями и инженерными данными. Помощник должен понимать, что ему разрешено изменять, что он должен только предлагать, а что он не должен никогда предполагать.

  Полезные ограничения включают:

  • Не изменять исходный инженерный замысел

  • Не выдумывать значения, ограничения или проектные решения

  • Не удалять идентификаторы или ссылки

  • Не предполагать отсутствующие методы верификации

  • Не применять изменения автоматически без проверки пользователем

  • Не считать неясную информацию фактом

  Четкие границы снижают риск правдоподобного, но неверного инженерного результата.

• Define the Output Format

  Навык должен указывать ИИ, как возвращать результат.

  Согласованный формат вывода упрощает проверку, сравнение и повторное использование навыка.

  В зависимости от навыка результатом могут быть:

  • Таблица

  • Маркированный список

  • Переписанное требование

  • Структурированный отчет

  • Контрольный список

  • Сводка

  • Список предлагаемых изменений

  • Набор вопросов или открытых проблем

  Формат вывода должен соответствовать назначению навыка. Например, навыки, ориентированные на проверку, часто хорошо работают в виде таблиц со столбцами «проблема», «объяснение» и «рекомендация». Навыки, ориентированные на переписывание, часто хорошо работают, когда показывают исходный текст, предлагаемый результат и обоснование.