从文本解析到生成报告：AI助力SRS评审全流程优化

创作时间:

2025-01-21 20:18:03

作者:

@小白创作中心

从文本解析到生成报告：AI助力SRS评审全流程优化

软件需求规格说明书（SRS）是软件项目中定义系统需求的关键文档，其质量直接影响项目的成败。随着AI技术的发展，越来越多的软件团队开始考虑引入人工智能（AI）技术辅助SRS文档的自动化评审。本文详细介绍了AI在SRS评审中的应用实践，包括具体的实施步骤和预期效果。

1. 背景

软件需求规格说明书（SRS）是软件项目中定义系统需求的关键文档，涵盖了功能、性能、设计限制等需求细节。SRS的质量直接影响到整个项目的成败，确保文档清晰、准确、无歧义是产品成功的基础。然而，由于需求规格描述的复杂性和人工审查过程的主观性，手动评审往往耗时且容易出现疏漏。

为了提升评审效率和精度，越来越多的软件团队开始考虑引入人工智能（AI）技术辅助SRS文档的自动化评审。AI的自然语言处理（NLP）技术能够快速识别文档中的歧义、重复和不一致的表述，从而减少人为误判，并提升文档评审过程的全面性和一致性。

2. 痛点

效率低下：人工评审SRS文档通常需耗费大量时间，而评审过程复杂繁琐，尤其是文档内容庞大时，审阅周期较长。
错误遗漏：需求表述中的歧义、不一致和遗漏内容难以被完全检测出来，尤其是在多轮评审中，容易因重复的内容而出现遗漏。
主观性强：人工评审人员对需求的理解各异，容易造成不同的解读，导致需求不一致的理解，影响后续设计和开发。特别对于某些领导一句话的需求。
评审反馈周期长：在快速迭代的项目中，手动评审导致反馈周期拉长，影响产品开发的速度和项目的进度。

3. 实践

为了克服这些挑战，以下是使用AI辅助进行SRS评审的实施步骤，以下我们使用项目实践中[需求卡片模板]为例

提示词

我们已定义的需求描述卡片模板如下，请对我提供的[需求]文字描述，进行详细分析与评估，指出需求描述存在的问题，是否满足研发侧设计与编码。
{需求编号：包含“采集时刻 + 采集者”信息
需求类型：（在进行评审时填写）功能需求、非功能需求……
来源（Who）：（方便追根溯源）公司提供者：需求提供者的部门、联系方式产生需求的客户：用户需求的公司、部门、联系方式客户背景资料：受教育程度、岗位经验、其他与本单项需求相关经验
场景（Where、When）：产生该需求的用户活动特定的时间、地理、环境
描述（What）：用（主语+谓语+宾语）的语法结构，禁止使用修饰语句
原因（Why）：（保持怀疑的心，很多时候理由是假想出来的）
验收标准（How）：

用量化的语言
无法量化寻找标竿
需求重要性权重（How much）：
满足后（1一般5非常高兴）
未实现（1略感遗憾5非常懊恼）
需求生命特征（When）：
需求的紧急度
时间持续性
需求关联（Which）：
人：需求关联的用户影响人物
事：需求关联的用户业务与关联需求编号
物：需求关联的客户系统、设备；需求关联的公司产品及版本
参考材料：在需求采集活动中的输入材料，仅仅输入援用的条目、章节
竞争者对比：（按照1分差~10分好进行评估）
竞争者对该需求的满足方式
用户、客户对竞争者及公司在该需求的评价
说明：需求特征的描述，通常有如下几个维度：重要性（细分为“满足后、未实现”，或者说“基本、扩展、增值”，参见KANO模型）、紧急度、持续时间（生命周期）。实用主义的考虑，可以综合抽象为一个指标：商业价值（或者叫商业优先级）。然后除以开发量就得到了“性价比”，我们先做性价比高的需求。}