Goal2Story：基于私有化 sLLM 的多智能体集群在需求获取中的 Impact Mapping
软件工程
2025-03-18 v1 人工智能
摘要
随着快速迭代中需求的不断漂移，敏捷开发已成为主导范式。在敏捷项目开发中，目标驱动的需求获取（RE）是一项关键且具挑战性的任务，因为它与自适应规划和高效协作深度交织。近期，AI 智能体在支持需求分析方面展现出了可喜的能力，为利益相关者节省了大量时间和精力。然而，当前研究主要集中于功能性 RE，尚未有研究报道涵盖从目标到用户故事的漫长旅程。此外，考虑到 LLM 设施的成本以及数据和想法保护的需求，私有部署的小型 LLM 应在 RE 中得到进一步利用。为应对这些挑战，我们提出了 Goal2Story，一个采用 Impact Mapping（IM）框架的多智能体集群，仅使用高性价比的 sLLM 进行目标驱动的 RE。此外，我们引入了 StorySeek 数据集，其中包含超过 1,000 个用户故事（USs）及其对应的目标和项目上下文信息，以及半自动化的数据集构建方法。在评估方面，我们提出了两个指标：用于衡量生成的 USs 与数据集之间一致性的 Factuality Hit Rate（FHR），以及用于评估生成 USs 质量的 Quality And Consistency Evaluation（QuACE）。实验结果表明，Goal2Story 优于采用强大 LLM 的 Super-Agent 基线性能，同时展示了 CoT 和 Agent Profile 为 Goal2Story 带来的关键指标性能提升，及其在识别潜在需求方面的探索。
引用
@article{arxiv.2503.13279,
title = {Goal2Story: A Multi-Agent Fleet based on Privately Enabled sLLMs for Impacting Mapping on Requirements Elicitation},
author = {Xinkai Zou and Yan Liu and Xiongbo Shi and Chen Yang},
journal= {arXiv preprint arXiv:2503.13279},
year = {2025}
}