基于检索增强生成的空间行业域文档到需求转换
软件工程
2025-07-11 v1
摘要
空间行业的需求工程（RE）本质上具有复杂性，要求具有高精度、与严格标准的一致性，并且能够适应任务特定的约束。较小的空间组织和新进入者往往难以从大量非结构化文档（如任务简报、接口规范和法规标准）中推导出可操作的需求。在本创新机会论文中，我们探讨了检索增强生成（RAG）模型如何支持和（半）自动化空间领域需求生成的潜力。我们提出了一种模块化、由 AI 驱动的方法，对原始空间任务文档进行预处理，将其分类为语义上有意义的类别，从域标准中检索上下文相关内容，并使用大型语言模型（LLM）合成草案需求。我们将该方法应用于空间领域的真实任务文档，以演示可行性并与我们的行业合作伙伴 Starbound Space Solutions 合作评估初步结果。我们的初步结果表明，该方法可以减少手动工作量，提高相关需求的覆盖范围，并支持轻量级的合规对齐。我们概述了将 AI 融入 RE 工作流程以实现更广泛集成的路线图，旨在降低较小组织参与大规模安全关键任务的门槛。
引用
@article{arxiv.2507.07689,
title = {From Domain Documents to Requirements: Retrieval-Augmented Generation in the Space Industry},
author = {Chetan Arora and Fanyu Wang and Chakkrit Tantithamthavorn and Aldeida Aleti and Shaun Kenyon},
journal= {arXiv preprint arXiv:2507.07689},
year = {2025}
}