面向编码智能体的需求确认方法和系统与流程
本申请涉及人工智能,特别是涉及面向编码智能体的需求确认方法和系统。
背景技术:
1、在现有的ai coding(利用大语言模型或智能体辅助完成软件需求理解、代码生成、调试、测试和交付的开发方式)场景中,用户可以直接上传的需求文档的方式给出需求,要求编码智能体(coding agent)生成对应的代码。但编码智能体在面对长文档时,容易关注局部文本而忽略真正影响实现路径的需求焦点;在面对用户的模糊表达时,无法准确理解用户的需求焦点,而导致生成的代码与用户的需求不符(可能实现了表面功能却遗漏权限、安全、异常处理、数据一致性、兼容性、日志审计等关键要求)。
2、针对相关技术中存在编码智能体无法准确定位焦点需求,导致生成的代码与用户的需求不符的问题,目前还没有提出有效的解决方案。
技术实现思路
1、在本实施例中提供了一种面向编码智能体的需求确认方法和系统,以解决相关技术中存在编码智能体无法准确定位焦点需求,导致生成的代码与用户的需求不符的问题。
2、第一个方面,在本实施例中提供了一种面向编码智能体的需求确认方法,包括:
3、获取与用户的ai coding请求相关的多源数据;并将所述多源数据进行转换和聚类,得到需求簇;
4、对所述需求簇中各候选需求进行评分,并基于评分结果标记相应的所述候选需求,以得到焦点需求;
5、根据预设的模板和所述多源数据,生成隐含需求;并根据所述焦点需求和所述隐含需求,生成验证工件;
6、生成澄清问题,并基于用户对所述澄清问题的回复,更新所述需求簇;
7、根据所述更新后的所述需求簇、所述隐含需求以及所述验证工件,生成需求基线。
8、在其中的一些实施例中,获取与用户的ai coding请求相关的多源数据,包括:
9、获取所述用户提出的所述ai coding请求;
10、基于所述ai coding请求,采集相关的多源数据;所述多源数据包括用户对话、需求文档、代码结构、组织策略以及历史项目。
11、在其中的一些实施例中,将所述多源数据进行转换和聚类,得到需求簇,包括:
12、将所述多源数据转换为带有来源证据的需求候选单元;
13、基于预设的聚类要求,对所述需求候选单元进行聚类,得到归入相应层级的需求簇;所述聚类要求至少为语义相似度、结构相似度或者依赖关系中的一种或多种;所述层级包括目标层、功能层、质量层以及约束层。
14、在其中的一些实施例中,基于预设的聚类要求,对所述需求候选单元进行聚类,得到归入相应层级的需求簇,包括:
15、在所述聚类要求为所述语义相似度时,将所述需求候选单元转换为文本结构;通过预设的余弦相似度公式对转换后的所述需求候选单元进行语义相似度计算,得到语义相似度结果;
16、在所述聚类要求为所述结构相似度时,将所述需求候选单元转换为树状结构,通过预设的结构相似度公式对转换后的所述需求候选单元进行结构相似度计算,得到结构相似度结果;
17、在所述聚类要求为所述依赖关系时,通过预设的依赖关系公式对所述需求候选单元进行依赖关系计算,得到依赖关系结果;
18、综合所述语义相似度结果、所述结构相似度结果以及依赖关系结果中的相关度,对所述需求候选单元进行聚类,得到归入相应层级的需求簇。
19、在其中的一些实施例中,对所述需求簇中各候选需求进行评分,包括:
20、以影响所述编码智能体的实现路径为基准,构建焦点评分公式;
21、基于所述焦点评分公式,对所述需求簇中各候选需求进行评分。
22、在其中的一些实施例中,所述方法还包括:
23、基于预设的置信度公式,计算每个所述需求簇的置信度;
24、基于所述置信度标记相应的所述需求簇。
25、在其中的一些实施例中,根据预设的模板和所述多源数据,生成隐含需求,包括:
26、确定与所述多源数据匹配的所述模板,调用匹配的所述模板输出对应的所述隐含需求;
27、根据所述多源数据中的组织策略注入强制约束,以生成对应的隐含需求;
28、根据所述多源数据中的历史项目的相似需求提取团队质量要求,以生成对应的隐含需求;
29、根据所述多源数据中的代码结构推断既有约束,以生成对应的隐含需求。
30、在其中的一些实施例中,生成澄清问题,包括:
31、基于预设的问题价值公式,计算每个候选澄清问题的问题价值;
32、基于所述问题价值从所述候选澄清问题中筛选出澄清问题。
33、在其中的一些实施例中,根据所述更新后的所述需求簇、所述隐含需求以及所述验证工件,生成需求基线,包括:
34、在预设的优先级下,根据所述更新后的所述需求簇、所述隐含需求以及所述验证工件,生成结构化的需求基线;
35、所述优先级为:所述焦点需求中的核心焦点需求的优先级高于所述焦点需求中的一般焦点需求;所述隐含需求中的必要隐含需求的优先级高于所述隐含需求中的一般隐含需求;
36、所述需求基线至少包括已确认需求、开放假设、被拒绝或延期需求、验证工件以及agent执行约束。
37、第二个方面,在本实施例中提供了一种面向编码智能体的需求确认系统,其特征在于,包括:用户输入层、需求确认层以及编码执行层;其中,所述用户输入层通过所述需求确认层连接所述编码执行层;
38、所述用户输入层用于输入用户的ai coding请求;
39、所述需求确认层用于执行上述第一个方面所述的面向编码智能体的需求确认方法的步骤;
40、所述编码执行层,用于基于所述需求基线生成目标代码。
41、与相关技术相比,在本实施例中提供的面向编码智能体的需求确认方法和系统,通过获取与用户的ai coding请求相关的多源数据;并将多源数据进行转换和聚类,得到需求簇;对需求簇中各候选需求进行评分,并基于评分结果标记相应的候选需求,以得到焦点需求;根据预设的模板和多源数据,生成隐含需求;并根据焦点需求和隐含需求,生成验证工件;生成澄清问题,并基于用户对澄清问题的回复,更新需求簇;根据更新后的需求簇、隐含需求以及验证工件,生成需求基线,解决了技术中存在编码智能体无法准确定位焦点需求,导致生成的代码与用户的需求不符的问题,利用对需求簇中各候选需求进行评分来锚定焦点需求,并配合隐含需求和澄清问题来输出紧密贴合用户实际需求的需求基线,进而使编码智能体能够根据需求基线生成符合用户需求的代码。
42、本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
1.一种面向编码智能体的需求确认方法,其特征在于,包括:
2.根据权利要求1所述的面向编码智能体的需求确认方法,其特征在于,获取与用户的ai coding请求相关的多源数据,包括:
3.根据权利要求1所述的面向编码智能体的需求确认方法,其特征在于,将所述多源数据进行转换和聚类,得到需求簇,包括:
4.根据权利要求3所述的面向编码智能体的需求确认方法,其特征在于,基于预设的聚类要求,对所述需求候选单元进行聚类,得到归入相应层级的需求簇,包括:
5.根据权利要求1所述的面向编码智能体的需求确认方法,其特征在于,对所述需求簇中各候选需求进行评分,包括:
6.根据权利要求1所述的面向编码智能体的需求确认方法,其特征在于,所述方法还包括:
7.根据权利要求1所述的面向编码智能体的需求确认方法,其特征在于,根据预设的模板和所述多源数据,生成隐含需求,包括:
8.根据权利要求1所述的面向编码智能体的需求确认方法,其特征在于,生成澄清问题,包括:
9.根据权利要求1所述的面向编码智能体的需求确认方法,其特征在于,根据所述更新后的所述需求簇、所述隐含需求以及所述验证工件,生成需求基线,包括:
10.一种面向编码智能体的需求确认系统,其特征在于,包括:用户输入层、需求确认层以及编码执行层;其中,所述用户输入层通过所述需求确认层连接所述编码执行层;
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com