AiDD研发数字峰会-北京站

出品人：石琳

2022年度中国科学院软件研究所杰出青年科技人才。研究方向为智能软件工程，包括智能需求工程、代码智能、开源软件安全等。曾在人工智能、软件工程领域的高水平国际会议IJCAI，ICSE，FSE，ASE等发表论文60余篇，三次获得杰出论文奖：ACM SIGSOFT 杰出论文奖（ASE21）、连续两次获国际需求工程大会杰出论文奖（RE21，RE20）。主持参与多项国家自然科学科学基金项目、某科技创新项目、国家重点研发项目等。同时担任多个国际知名会议期刊包括ICSE、ASE、FSE、Requirements Engineering期刊等审稿人。

北京航空航天大学教授

智能需求工程

基于大模型的数据智能技术发展，让人工智能研究与实践者的若干愿景成为可能。人机智能融合的未来世界，我们如何更好地描述软件的物理世界？如何更好地定义系统的边界？软件的在线需求获取与推荐技术、多源融合的一体化需求生成方法、复杂系统需求智能建模与验证技术、追踪与变更管理技术、模型驱动的复杂系统需求工程技术等是智能需求工程论坛重点讨论的议题。

面向主体的需求工程研究与实践

刘璘

清华大学研究员

内容简介：

人机智能融合的时代，明确系统设计的底层逻辑，权衡可达成的现实目标，分析要解决的问题本质，设计任务执行的流程，选择切实可行的领域应用场景，成为了智能软件系统研发的前提，管理软件系统的研发的代价、效率和质量预期，真正实现更好地服务人类的可持续发展目标，是当前智能需求工程方法的主要研究目标。我的报告围绕面向主体的软件需求方法在大模型支持下如何更好达成上述目标展开讨论。

演讲提纲：
1.大语言模型对需求工程的影响
2.面向主体的需求工程方法新进展
3.人机智能融合应用设计
4.非功能需求分析现状
5.健康与安全领域最新实践分享

听众收益：
1.从需求的视角分析大模型对软件工程的影响；
2.从具体的领域应用实践出发，理解大模型应用场景选择与设计的决策要素。

博士，清华大学软件学院研究员，CCF高级会员、软件工程专委委员、需求工程国际期刊编委/副主编。主要研究方向：软件需求工程、大数据和领域知识工程、智能软件研发。她先后主持或参加了十余项国家/企业课题的研究工作，研制了多个面向领域的新型智能应用系统，发表学术论文百余篇，论文发表于《软件学报》、《中国科学》等国内期刊和《IEEE Software》、《Journal of Systems and Software》、《IET-Software》、《Journal of Software: Evolution and Process》等国际著名杂志以及软件需求工程国际会议上，谷歌学术引用3000余次。

AI驱动需求工程新范式：
Agent+知识工程在复杂业务系统中的应用

李坤

中兴通讯需求教练

内容简介：

当前，AI全量生成产品不断涌现，催生了‘单人公司’的尝试。然而，其展示案例多集中于静态网页或单机游戏等简单场景。对于复杂的业务系统，仅凭一句话需求难以生成可运行的软件。本文以HR系统重构实践为例，探讨如何利用Agent与知识工程高效梳理业务需求。该实践不仅显著提升了需求分析的效率与准确性，降低了沟通成本与理解偏差，更通过将隐性业务知识显性化和结构化，为后续系统设计、开发乃至智能化演进奠定了坚实基础，为复杂业务领域的AI深度应用提供了可复用的新范式。

演讲提纲：
1. 企业级AI应用需求分析的挑战与瓶颈
- AI全量生成产品催生“单人公司”模式的局限性
- 复杂业务系统的需求梳理的痛点
- 当AI遇上企业级系统，如何跨越从‘玩具’到‘引擎’的鸿沟？
2. 依托知识工程能力，打造业务和产品知识库，赋能AI智能体
- 知识工程在需求工程中的应用实践
- 业务和产品知识库设计的关键要素与方法
3. 多个AI智能体协同工作构建需求新范式
- 需求Agent的分层设计理念
- 各层Agent的分工和协作机制，特别是产品层到系统层的转换过程
4. 实战验证与范式扩展
- HR系统需求工程实践的量化结果
- 新范式应用推广到其它系统
- 新范式对未来组织和人的影响

听众收益：
1. 看见AI研发范式的落地路径：掌握从知识工程到智能体协作的端到端实现框架，突破""单点AI工具""的局限认知；
2. 获得可迁移的方法论：学习需求知识构建、多Agent协同设计等关键技术，适配不同业务场景；
3. 规避AI落地典型陷阱：通过真实案例理解知识演化、需求-架构一致性保障等实战经验。

19年通讯行业数字化解决方案工作经验，现任中兴通讯需求架构师 & IT业务分析师
核心能力：
-全栈能力：贯穿软件开发全周期（需求分析-系统设计-产品落地-效能提升）
-创新突破：主导AI研发效能提升，重点在需求转化效率提升
-战略视野：规划企业级IT系统架构，累计支撑3大产品线、50+项目交付

招商银行智能需求分析应用及探索

彭欣华

招商银行高级项目经理

内容简介：

本演讲聚焦在招商银行需求智能分析领域方面的应用及探索，主要介绍LLM大语言模型在需求合规分析、需求功能分析、需求智能生成等方面的创新应用，介绍结合LLM大语言模型Agent技术、RAG技术及LLM微调在需求分析方面的落地实践。

演讲提纲：
1. 需求管理在当前银行软件工程面临的挑战
-需求数量爆炸式增长，数字化转型推动业务场景激增，单项目需求条目年均增长快
-需求质量降低，一句话需求占比增多，产品经理经验未能有效传承，历史需求未能有效利用
-降本增效，IT资源有限，需要进一步提升效能
-合规要求，央行、银保监等监管规则升级，合规压力大
2. LLM大语言模型三种应用范式
-Agent，实现复制流程自动化
-RAG，解决知识实时性问题
-微调，提升领域适应性
3. LLM大语言模型在需求分析领域的整体方案
-平台介绍
-需求智能功能分析
-需求智能合规分析
-需求智能检索
-需求智能生成
4. 总结与展望

听众收益：
1. 系统性理解银行页需求管理痛点，掌握需求爆炸式增长的核心矛盾与质量下降的关联性，明晰数字化转型中的资源瓶颈。
2. 获得从技术实施到战略布局的系统性认知，赋能银行构建“平台+场景+生态”三位一体的智能需求管理体系

招商银行总行信息技术部PMO、PMP、CSPO、CSM、CCEP、CFA L2、高级程序员。多年量化交易系统开发经验，多年项目管理、需求管理、产品管理、效能管理经验，在中国软件估算大会演讲过软件功能点度量实践，智能项目管理等主题。认证PMP、CFA等。曾在《中国金融电脑》期刊上发表文章《将自然语言处理应用于软件规模度量的研究》，在软件工程顶级会议ESEC/FSE20、软件维护顶级国际会议ICSME20、信息和软件技术国际期刊IST上发表多篇论文。

基于LLM的需求依赖分析工程实践：驱动智能测试新范式

陈小红

华东师范大学副教授/博士生导师

内容简介：

针对传统测试用例的编写和维护面临效率低、覆盖不全、需求变更响应滞后等问题，本文提出一种基于大语言模型（LLM）的需求依赖分析方法，通过智能化解析需求文档中的功能逻辑与依赖关系，实现测试用例的自动生成与高效复用。实践表明，该方法通过：1）需求语义理解；2）需求依赖关系自动识别；3）测试用例自动生成和基于变更影响分析的测试用例重用，显著提升了测试效率与覆盖率，并在证券和汽车两大领域，进行了方法验证。

演讲提纲：
1.背景
2.需求理解和依赖关系识别
3.测试用例生成框架
4.测试用例重用框架
5.实践与方法评估
6.总结

听众收益：
1.复杂系统的测试：需求依赖关系的制约作用
2.需求变更的快速响应：测试用例复用
3.落地的关键：基于LLM的自然语言需求依赖关系自动发现

华东师范大学软件工程学院，副教授，博士生导师，主要研究方向为需求工程、形式化方法以及IoT最终用户编程。主持并参与了多项国家自然科学基金项目、重点研发、863、973项目以及省部级项目，主要工作包括复杂嵌入式系统需求智能建模与分析、需求形式化验证、需求驱动测试、面向代码自动生成的需求规约、意图驱动的IoT编程等，在国内外知名期刊会议TSE、TOCHI、RE、ISSTA、TITS、TCAD、SCP、软件学报、计算机研究与发展等发表论文50余篇，成果应用于轨道交通、航空航天、汽车电子、智能家居、金融证券等领域。

AiDD峰会

K+峰会

联系我们