🤖 AI

ReqFusion: A Multi-Provider Framework for Automated PEGS Analysis Across Software Domains

本文介绍了 ReqFusion，一种利用多大语言模型提供商（如 GPT、Claude 和 Groq）结合 PEGS 框架，从多格式文档中自动化提取、分类和分析软件需求的高效系统，其研究表明该方法在提升提取准确率的同时显著减少了分析时间。

原作者： Muhammad Khalid, Manuel Oriol, Yilmaz Uygun

发布于 2026-03-25

📖 1 分钟阅读☕ 轻松阅读

原作者： Muhammad Khalid, Manuel Oriol, Yilmaz Uygun

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇文章介绍了一个名为 ReqFusion 的聪明助手，它的任务是帮软件工程师们从一堆杂乱的文件中“提炼”出真正的软件需求。

想象一下，你要盖一栋大楼，但手里拿的不是清晰的图纸，而是一堆厚厚的、写满各种想法、法律条款、商业目标和环境限制的文档（PDF、PPT、Word 都有）。人工去读这些文件，既费眼睛又容易漏掉重点，甚至可能看错。

ReqFusion 就是为了解决这个“读文件难”的问题而生的。

下面我用几个生活中的比喻来解释它是怎么工作的：

1. 它是谁？（ReqFusion 是什么？）

ReqFusion 就像一个超级智能的“文件整理员”兼“翻译官”。
它不仅能读懂各种格式的文件，还能自动把里面的内容分类，告诉工程师：“这个是要做的功能（比如‘用户能登录’），那个是环境限制（比如‘必须能在雨天运行’），那个是老板的目标（比如‘要在 3 个月内上线’）。”

2. 它怎么变得这么聪明？（核心魔法：PEGS 框架）

普通的 AI 如果直接问：“请从这份文件里找出所有需求”，它可能会像没头苍蝇一样乱抓，或者漏掉很多细节。

ReqFusion 用了一个叫 PEGS 的“魔法四格地图”来引导 AI：

P (Project 项目)：谁在搞？预算多少？时间紧不紧？（就像盖楼前得先知道是谁出钱、工期多久）。
E (Environment 环境)：大楼建在哪？周围有什么？有什么法律限制？（就像盖楼得看地皮性质、周围有没有高压线）。
G (Goals 目标)：老板想要什么？用户希望达到什么效果？（就像老板说“我要一个能容纳 1000 人的大厅”）。
S (System 系统)：具体要做什么功能？（就像具体的“电梯要能载重 1 吨”）。

比喻： 想象你要让 AI 整理一个乱糟糟的仓库。

普通方法：你喊一声“把有用的东西都拿出来！”AI 可能会把垃圾也当宝贝拿出来，或者把重要的螺丝钉漏掉。
ReqFusion 方法：你给 AI 四个贴好标签的箱子（P、E、G、S），并说：“把关于预算的放 P 箱，关于法律的放 E 箱，关于目标的放 G 箱……"
结果：AI 因为知道往哪个箱子里放东西，准确率直接飙升（论文里说准确率提高了 17%）。

3. 它怎么保证不犯错？（多-provider 共识机制）

这是 ReqFusion 最厉害的地方。它不信任某一个 AI，而是同时雇佣了三个不同的 AI 专家（分别是 OpenAI 的 GPT、Anthropic 的 Claude 和 Groq 的 Llama）。

比喻： 就像你要给一个复杂的案子定论，你找了三个不同背景的法官（一个擅长技术，一个擅长法律，一个擅长快速处理）。

如果三个法官都说是“有罪”（都提取出了同一个需求），那这个需求绝对靠谱。
如果只有其中一个法官说是“有罪”，另外两个觉得“没这回事”，ReqFusion 就会立刻拉响警报：“等等，这个可能是那个法官看走眼了（幻觉），需要人类专家来复核一下。”

这种“三人行，必有我师”的机制，大大减少了 AI 瞎编乱造（幻觉）的情况。论文数据显示，单个 AI 瞎编的概率是 34%，而用了这个“三人会诊”机制后，瞎编的概率降到了 8%。

4. 它真的好用吗？（实际效果）

研究人员拿真实的商业标书和学术文档来测试，发现：

速度快：以前人工看一份文件要 4.9 分钟，ReqFusion 只要 1.1 分钟，快了 78%。
省钱：因为快，而且能自动处理，成本降低了 47%。
更准：它能找出以前人工容易忽略的“环境”和“目标”类需求，覆盖面更广。

5. 总结

ReqFusion 就像一个拥有“三头六臂”且“自带分类地图”的超级管家。
它不再让你对着厚厚的一堆文件发愁，而是帮你把杂乱的信息瞬间整理成清晰的清单。它通过“分工合作”（PEGS 分类）和“互相监督”（多 AI 投票），既快又准，还能把那些容易出错的“幻觉”揪出来让人类把关。

这对软件开发来说，意味着以后我们可以把更多精力花在怎么把软件做得更好上，而不是花在怎么从文件里找需求这种枯燥的工作上。

ReqFusion 论文技术总结

1. 研究背景与问题 (Problem)

需求工程（Requirements Engineering, RE）是软件开发中至关重要但劳动密集型的阶段。传统的人工需求分析面临以下挑战：

效率低下与易错性：人工处理大量文档（如 PDF、DOCX、PPTX）耗时且容易遗漏或误解需求。
AI 幻觉问题：现有的单一大语言模型（LLM）辅助系统容易产生“幻觉”（Hallucination），即生成不存在的需求或错误分类，缺乏可靠的验证机制。
缺乏结构化引导：通用的提示词（Generic Prompting）往往导致 LLM 提取的需求不够全面，特别是在非功能性需求或特定上下文（如项目背景、环境约束）方面。
单一供应商风险：依赖单一 LLM 提供商存在服务中断、速率限制及输出不一致的风险。

2. 方法论 (Methodology)

论文提出了 ReqFusion，一个基于多提供商（Multi-Provider）架构的 AI 增强系统，旨在自动化提取、分类和分析软件需求。其核心方法论包含以下三个支柱：

2.1 PEGS 结构化引导 (PEGS-Guided Extraction)

系统采用 Bertrand Meyer 提出的 PEGS 框架（Project, Environment, Goals, System）作为结构化提示模板，而非使用通用提示词。

Project (P)：组织背景、干系人、约束。
Environment (E)：外部系统、接口、法规、运营环境。
Goals (G)：高层目标、成功标准。
System (S)：功能性与非功能性需求。
原理：通过将提取任务分解为四个语义边界清晰的子任务，缩小模型的搜索空间，提供明确的语义锚点，从而提升提取的准确性和召回率。

2.2 多提供商协同架构 (Multi-Provider Architecture)

系统集成了 OpenAI GPT-4、Anthropic Claude-3 和 Groq (Llama) 三个模型，利用其互补优势：

GPT-4：擅长结构化提取和技术文档处理。
Claude-3：擅长处理模糊需求和复杂语境（如投标书）。
Groq：成本低，用于处理简单分类任务以优化成本。
运行模式：
- 并行模式：所有提供商同时处理，通过共识机制合并结果，降低延迟。
- 串行模式：主提供商失败时自动切换备用，提高可靠性。
响应合并 (Response Merger)：使用余弦相似度（>0.85）去重，并通过加权投票机制解决冲突。

2.3 基于共识的验证机制 (Consensus-Based Verification)

将多模型共识作为一种运行时验证手段：

置信度计算： $Confidence(r) = \frac{\sum w_i \cdot match_i(r)}{\sum w_i}$ 。
幻觉检测：如果需求仅被单一模型识别（置信度 < 0.5），系统将其标记为“需人工审查”，从而显著降低幻觉传播到下游开发环节的风险。
可追溯性：每个提取的需求都附带来源文档、PEGS 分类、置信度分数及唯一标识符，支持从需求到测试用例的追溯。

3. 主要贡献 (Key Contributions)

ReqFusion 框架：首个结合多提供商 LLM 编排、PEGS 结构化提示和共识验证的自动化需求工程系统。
结构化提示的有效性验证：通过消融实验证明，PEGS 引导的提示比通用提示在 F1 分数上提升了 0.17（从 0.71 提升至 0.88），显著改善了召回率。
运行时验证机制：提出了一种通过跨模型共识减少幻觉的机制，将单一模型的假阳性率从 34% 降低至 8%。
跨领域实证评估：在学术、工业和投标提案等多个领域进行了评估，并提供了从需求提取到下游开发活动的可追溯性分析。

4. 实验结果 (Results)

研究使用了两个数据集进行评估：

数据集 A：18 份真实文档（学术、工业、投标），生成了 226 条需求（54.9% 功能性，45.1% 非功能性）。
数据集 B：5 个工业项目，共 1,050 条经人工验证的真实需求（德国工业投标文档）。

关键指标表现：

准确性：多提供商共识方法的 F1 分数达到 0.88，优于任何单一提供商（GPT-4: 0.81, Claude-3: 0.83, Groq: 0.74）。
效率提升：相比人工分析，ReqFusion 将分析时间减少了 78%（从每需求 4.9 分钟降至 1.1 分钟）。
成本节约：每需求成本降低了 47%（从 $0.082 降至$ 0.043）。
覆盖率：PEGS 覆盖率达到 92%，而通用提示仅为 61.3%。
一致性：系统重跑的一致性高达 98%。

错误分析：

假阳性：主要源于将信息性陈述误判为需求，或重复内容提取。
假阴性：主要源于法律条款中的隐含需求（如德国采购法）或依赖外部标准的需求。
难点：环境（Environment）类别的提取难度最大（F1=0.79），因为此类需求常以背景描述而非明确的“应（shall）”语句呈现。

5. 意义与展望 (Significance & Future Work)

理论与实践意义：ReqFusion 证明了将 AI 技术与形式化验证方法（通过共识机制）结合是可行的，有效解决了 AI 辅助开发中的可靠性问题。它填补了现有工具在跨提供商协同和结构化需求框架结合方面的空白。
行业影响：显著降低了需求工程的时间成本和人力成本，同时通过“人在回路（Human-in-the-loop）”机制确保了关键需求的准确性，特别适用于对安全性要求高的工业领域。
未来方向：
- 集成形式化规范语言（如 TLA+, Alloy）进行自动一致性检查。
- 基于验证后的需求自动生成测试用例，完善可追溯性链条。
- 扩展至多语言环境（目前主要基于德语文档）和更广泛的领域基准测试。

总结：ReqFusion 通过引入 PEGS 结构化引导和多模型共识验证，成功构建了一个高效、准确且低幻觉的自动化需求分析系统，为 AI 在软件工程中的可靠应用提供了新的范式。