首页 理论 架构 工程 规划 文档 白皮书 著作 研究 案例 下载 博客 关于 联系 开始使用 →

第十二章 需求理解与问题结构分析

第十二章 需求理解与问题结构分析

  1. 用户需求与实际问题的识别

  2. 需求信息的关联搜集与处理

  3. 问题对象及其属性分析

  4. 问题关系、条件与约束识别

  5. 需求理解结果的形成与验证

    第十二章 需求理解与问题结构分析

    需求理解是WSaiOS智能控制后台将需求信息转化为实际问题结构的关键过程。第十一章已经建立了需求对象、需求输入、需求内容解析、需求识别与分类以及需求数据存储机制,使不同来源的需求信息能够进入后台,并形成具有统一数据结构的需求对象。本章进一步研究如何从这些需求数据中识别真正需要解决的问题,分析问题涉及的对象、属性、状态、关系、条件和约束,最终形成能够用于知识能力匹配和知识结构化构建的问题结构。

    需求表达与实际问题并不总是一致。用户可能只描述希望达到的结果,而没有说明产生问题的具体原因;也可能只提供某个现象,却没有意识到现象背后涉及的对象关系和运行条件。例如,用户提出“希望机器人能够自动完成仓库运输”,这只是一个目标描述,并没有完整说明机器人需要识别哪些对象、如何判断运输路线、如何处理障碍物、如何协调其他机器人,以及在什么条件下允许执行任务。

    如果后台仅仅提取需求中的关键词,并将其直接转化为程序调用,就无法建立真正能够解决问题的知识能力。后台必须进一步围绕需求开展关联信息搜集、对象分析、关系判断和条件识别,逐步还原需求所对应的实际问题结构。

    本章所讨论的需求理解,是WSaiOS智能控制后台自身的智能处理过程。它不是依赖外部大模型生成答案,也不是将需求文本简单转换成固定规则,而是以结构定义、公共概念定义、已有知识结构、对象信息和运行反馈为基础,通过信息关联、结构匹配、方法运算和判断处理形成对问题的理解。需求理解的最终目的不是产生一段解释性文字,而是形成能够支持后续问题解决和知识能力构建的结构化问题结果。

    12.1 用户需求与实际问题的识别

    用户需求是需求理解的起点,但用户提出的需求通常只是对目标、现象或者期望结果的表达。实际问题则是需求所涉及的对象、当前状态、目标状态、影响因素、条件关系和约束关系共同构成的问题结构。两者之间存在联系,但不能直接等同。

    在工程运行中,后台首先需要判断用户究竟提出了什么要求,其次需要分析这一要求所对应的实际问题。前者属于需求表达识别,后者属于问题识别。只有将两者区分开来,后台才能避免将用户的表面描述直接当作完整的问题定义。

    例如,用户提出“让工厂设备能够自动判断是否需要维护”。从需求表达来看,用户希望设备具备自动维护判断能力。但实际问题可能涉及设备运行状态、使用时间、部件损耗、温度变化、振动变化、生产负荷、历史故障记录以及维护条件等多个方面。用户并没有在原始表达中逐一说明这些信息,后台需要根据已有设备结构定义和相关知识,识别这项需求实际涉及的问题对象及其属性关系。

    另一个例子是“让仓库机器人能够自动避开障碍物”。这项需求表面上涉及机器人和障碍物,但实际问题还包括机器人当前位置、运动方向、障碍物位置、障碍物状态、空间关系、可通行区域、运动条件以及避障后的任务连续性。如果后台只识别出机器人和障碍物两个对象,就无法建立完整的避障知识能力。

    因此,需求理解首先需要建立需求表达与实际问题之间的对应关系。

    需求表达是用户、设备或者个体提供的原始信息。它需要保留原有内容,不能在理解过程中随意改写。实际问题则是后台根据需求表达及其关联信息逐步形成的分析对象。问题结构可以随着信息补充和分析深入而调整,但每一次调整都应保留相应的依据。

    工程上可以建立需求理解程序目录:

    app/
    └── Intelligence/
        └── Requirement/
            ├── Understanding/
            │   ├── RequirementUnderstanding.php  # 需求理解总入口
            │   ├── RequirementExpression.php     # 需求表达处理
            │   ├── RequirementGoalAnalyzer.php   # 需求目标分析
            │   ├── ProblemRecognizer.php          # 实际问题识别
            │   ├── ProblemDefinition.php          # 问题定义对象
            │   └── UnderstandingContext.php      # 需求理解上下文
            ├── Analysis/
            │   ├── ProblemObjectAnalyzer.php      # 问题对象分析
            │   ├── ProblemAttributeAnalyzer.php   # 问题属性分析
            │   ├── ProblemRelationAnalyzer.php    # 问题关系分析
            │   └── ProblemConditionAnalyzer.php   # 问题条件分析
            └── Results/
                ├── UnderstandingResult.php       # 需求理解结果
                └── UnderstandingValidator.php    # 理解结果验证

    需求理解程序首先取得第十一章形成的需求对象及其结构化数据,然后结合需求原文、对象定义和相关历史信息建立理解上下文。理解上下文用于保存当前需求的分析范围、已经识别的对象、待确认的信息、关联资料和阶段性分析结果。

    需求目标分析需要判断用户期望发生什么变化。目标可能是获得某种能力、解决某个问题、控制某个对象、改善运行状态,或者建立新的处理机制。目标识别不能只依据句子中的动词,还需要分析目标对象和目标条件。例如,“自动判断设备是否需要维护”中的目标并不是简单执行一个判断方法,而是形成一种能够根据设备实际状态和维护条件作出判断的知识能力。

    问题识别则需要进一步判断当前需求背后存在什么实际问题。对于目标明确但信息不足的需求,后台应当形成初步问题定义,同时保留尚未确认的对象、条件和关系。对于用户只描述异常现象的需求,后台则需要分析异常涉及的对象、状态变化及其可能影响范围。

    例如,用户提出“设备运行时经常突然停止”。后台首先识别这是一项设备运行异常问题,而不是直接认定设备控制程序存在故障。随后需要识别设备对象、停止状态、发生时间、运行条件和关联设备,进一步搜集运行记录,判断问题是否与电源、负载、温度、保护条件或者其他因素有关。没有足够证据时,应当保留多个待分析方向,不能将某个可能原因直接认定为实际原因。

    问题定义对象可以采用如下数据结构:

    <?php
    
    class ProblemDefinition
    {
        private $problemId;
        private $requirementId;
        private $problemType;
        private $target;
        private $objects;
        private $conditions;
        private $constraints;
        private $status;
    
        public function __construct(
            $problemId,
            $requirementId,
            $problemType,
            $target
        ) {
            $this->problemId = $problemId;
            $this->requirementId = $requirementId;
            $this->problemType = $problemType;
            $this->target = $target;
            $this->objects = array();
            $this->conditions = array();
            $this->constraints = array();
            $this->status = 'analyzing';
        }
    
        public function setObjects(array $objects)
        {
            $this->objects = $objects;
        }
    
        public function setConditions(array $conditions)
        {
            $this->conditions = $conditions;
        }
    
        public function setConstraints(array $constraints)
        {
            $this->constraints = $constraints;
        }
    
        public function getData()
        {
            return array(
                'problem_id' => $this->problemId,
                'requirement_id' => $this->requirementId,
                'problem_type' => $this->problemType,
                'target' => $this->target,
                'objects' => $this->objects,
                'conditions' => $this->conditions,
                'constraints' => $this->constraints,
                'status' => $this->status
            );
        }
    }

    问题定义对象与需求对象之间通过requirement_id建立关联。一个需求可以形成多个问题定义。例如,一个大型自动化项目的需求可能同时包含设备识别问题、设备状态判断问题、设备控制问题和多设备协同问题。后台应当允许将这些问题分别建立定义,再通过关联关系组织成一个整体需求的解决结构。

    问题定义也不应当在首次识别后永久固定。随着关联信息的搜集和问题分析深入,后台可能发现原有问题定义不完整,或者需要将一个复杂问题拆分成多个相互关联的问题。此时应当建立新的问题版本或问题分解记录,保留原有分析结果和调整依据。

    需求理解的第一项工程任务,就是从用户提出的需求表达中识别真正需要解决的问题,并形成能够继续分析的问题定义对象。

    12.2 需求信息的关联搜集与处理

    实际问题往往不能仅凭原始需求内容完整确定。用户可能只提供部分信息,设备可能只返回当前状态,个体可能只报告执行失败,而后台已有知识结构中也可能保存着与当前问题相关的对象定义和历史处理结果。因此,需求理解必须建立关联信息搜集机制,将不同来源的信息围绕当前需求组织起来,形成能够支持问题分析的信息集合。

    这里的信息搜集不是没有范围的资料收集,也不是简单地把大量文本放到一起。它应当以当前需求和问题对象为中心,根据已经识别出的对象、属性、状态和关系,确定还需要哪些信息,以及这些信息能够解决什么分析问题。

    例如,用户提出“让设备能够自动判断是否需要更换零部件”。后台识别出设备、零部件、运行状态和更换目标之后,就需要进一步分析相关信息。可能需要取得设备结构定义、零部件属性定义、使用时间、运行状态、历史维护记录以及更换条件。对于不同设备类型,相关信息可能不同,因此搜集范围必须由问题对象和结构关系决定。

    需求信息的来源可以包括后台已经建立的结构定义、知识能力库、历史需求记录、个体运行反馈、设备实时数据、外部系统提供的数据以及经过确认的公共概念定义。不同来源的信息具有不同的可信程度和适用条件,后台必须保留信息来源和采集时间,不能将所有数据不加区分地视为同等有效的信息。

    信息搜集首先需要形成信息需求。后台根据初步问题定义,分析当前已经具备哪些信息、缺少哪些信息,以及哪些信息会影响问题判断。随后根据缺失信息确定搜集对象和数据来源。

    例如,针对设备维护判断需求,后台可能发现已经取得设备类型、设备运行时间和当前温度,但缺少零部件结构定义、正常工作条件和历史状态变化记录。此时需要进一步检索后台已有结构数据,查询相关运行记录,或者通过设备接口取得补充信息。如果这些信息仍然无法取得,就应当将其标记为待补充,而不是通过猜测填入。

    建议建立如下工程目录:

    app/
    └── Intelligence/
        └── Requirement/
            ├── Information/
            │   ├── RequirementInformationCollector.php # 信息搜集总入口
            │   ├── InformationNeedAnalyzer.php          # 信息需求分析
            │   ├── InformationSourceResolver.php        # 信息来源识别
            │   ├── StructureInformationProvider.php    # 结构信息获取
            │   ├── KnowledgeInformationProvider.php    # 知识信息获取
            │   ├── RuntimeInformationProvider.php      # 运行信息获取
            │   └── ExternalInformationProvider.php     # 外部信息获取
            ├── Association/
            │   ├── InformationAssociation.php          # 信息关联组织
            │   ├── ObjectInformationMatcher.php        # 对象信息匹配
            │   ├── RelationInformationMatcher.php      # 关系信息匹配
            │   └── InformationReference.php             # 信息来源引用
            └── Processing/
                ├── InformationNormalizer.php           # 信息格式统一
                ├── InformationFilter.php               # 信息筛选
                ├── InformationConflictResolver.php     # 信息冲突处理
                └── InformationSet.php                  # 关联信息集合

    信息需求分析程序需要根据问题定义生成待搜集信息项。每个信息项应当明确关联的问题对象、所需属性或关系、预期用途以及当前信息状态。例如,某项问题需要取得设备的运行温度,那么信息需求不仅要记录“温度”这一属性,还应明确属于哪个设备对象、使用什么单位、对应什么采集时间,以及该数据用于什么判断。

    信息来源识别程序则根据所需信息确定可能的数据来源。已有结构定义和知识能力可以从后台内部数据存储取得,实时状态可以从个体或者设备接口取得,历史运行记录可以从后台运行数据库取得,外部公共定义则需要经过来源核实和适用性检查后才能纳入分析。

    信息搜集结果必须与原始需求建立关联,同时还需要与具体问题对象建立关联。否则,当一项需求包含多个对象时,后台可能将一个对象的信息错误地用于另一个对象。例如,多个设备具有相同名称的温度属性,但不同设备的工作范围可能不同。后台不能仅凭属性名称相同就认为这些数据可以互相替代。

    因此,信息关联需要综合对象标识、结构定义、属性标识、关系标识和数据来源进行匹配。对于尚未建立正式结构定义的信息,可以暂时保留候选关联,但必须标明其未确认状态。

    关联信息集合可以采用统一的数据结构:

    <?php
    
    class InformationSet
    {
        private $problemId;
        private $items;
    
        public function __construct($problemId)
        {
            $this->problemId = $problemId;
            $this->items = array();
        }
    
        public function add(array $item)
        {
            $this->items[] = $item;
        }
    
        public function getItems()
        {
            return $this->items;
        }
    
        public function getByObject($objectId)
        {
            $result = array();
    
            foreach ($this->items as $item) {
                if (isset($item['object_id']) &&
                    $item['object_id'] == $objectId) {
                    $result[] = $item;
                }
            }
    
            return $result;
        }
    }

    这个集合用于保存与问题有关的信息项。每项信息应当具有自己的标识、来源、对象关联、属性或关系标识、数据内容和时间信息。实际工程中,还应增加数据版本、可信状态、适用范围和验证状态等字段。

    搜集到的信息不能未经处理就直接进入问题分析。不同来源的数据可能采用不同的名称、格式、单位和表达方式。例如,同一物理量可能使用摄氏度或华氏度表示;同一设备状态可能在不同系统中采用不同编码。后台需要先进行数据格式统一,再根据结构定义完成属性映射和类型检查。

    信息筛选还需要区分相关信息和无关信息。某项数据虽然与问题对象有关,但未必对当前问题判断有实际帮助。后台应当根据当前问题结构确定信息使用范围,避免将大量无关数据引入分析过程,导致问题结构变得混乱。

    对于信息之间存在冲突的情况,后台不能简单选择其中一条。例如,设备接口报告设备处于运行状态,而个体反馈报告设备已经停止。后台需要检查数据产生时间、来源可靠性、采集条件和设备状态定义,判断是否属于采集时间差、数据延迟或者实际状态变化。无法消除冲突时,应保留冲突信息并将其标记为待确认。

    这一过程可以由统一的信息处理程序组织:

    <?php
    
    class InformationProcessor
    {
        private $normalizer;
        private $filter;
        private $conflictResolver;
    
        public function __construct(
            $normalizer,
            $filter,
            $conflictResolver
        ) {
            $this->normalizer = $normalizer;
            $this->filter = $filter;
            $this->conflictResolver = $conflictResolver;
        }
    
        public function process(array $information)
        {
            $normalized = $this->normalizer->normalize(
                $information
            );
    
            $filtered = $this->filter->filter(
                $normalized
            );
    
            return $this->conflictResolver->resolve(
                $filtered
            );
        }
    }

    信息处理的结果应当保留原始数据和处理后的数据之间的关系。格式转换不能覆盖原始值,数据筛选也不能直接删除来源记录。这样,当后台发现问题分析结果不正确时,才能重新检查信息来源、转换规则和筛选条件。

    关联信息搜集还具有动态性。问题分析过程中可能发现新的对象和关系,从而产生新的信息需求。例如,最初分析设备温度异常时,后台可能只关注温度和运行时间;进一步分析后发现温度变化与设备负载有关,于是需要增加负载属性和相关历史数据。此时,信息搜集应当根据新发现的问题关系继续扩展,而不是在第一次搜集完成后就停止。

    因此,关联信息搜集与问题结构分析应当形成相互作用的过程。信息支持问题分析,问题分析又产生新的信息需求,直到当前问题具备足够的信息条件,或者明确哪些信息无法取得、必须等待补充。

    12.3 问题对象及其属性分析

    问题对象是实际问题结构的基础。后台需要明确问题涉及哪些对象、每个对象具有什么属性、当前处于什么状态,以及这些对象之间是否存在结构关系。只有建立清晰的对象和属性定义,才能进一步判断问题发生在哪里、影响哪些对象,以及哪些属性变化可能与问题目标有关。

    问题对象并不一定全部是物理设备。它可以是一个具体的人、设备、机器人、软件程序、生产任务、环境区域、数据对象或者由多个对象组成的整体结构。不同问题可能涉及不同类型的对象,后台不能将所有对象都简化为固定的设备模型。

    例如,机器人避障问题涉及机器人、障碍物、空间区域和运动路线;设备维护问题涉及设备、部件、运行环境和维护任务;多智能个体协同问题则涉及多个个体、各自承担的任务、能力分工和相互关系。这些对象在结构上具有不同的属性定义和方法定义,需要根据实际结构进行识别。

    问题对象分析首先要完成对象识别。后台根据需求结构化数据和关联信息,识别其中出现的对象,并尝试匹配已有结构定义。对象识别不能仅依赖名称相似,还需要结合对象类型、属性特征、关系特征和上下文条件判断。

    例如,需求中出现“控制中心”,它可能指一个物理控制室,也可能指软件系统中的中央控制程序。两者名称相同,但对象结构完全不同。后台需要根据其属性、关系和使用场景进行区分,不能将名称相同的对象直接合并。

    对象识别完成后,需要进行属性分析。属性是对象结构定义中的组成部分,用于描述对象具有的特征和可读取的数据。属性分析需要区分属性定义和属性值。属性定义说明对象具有什么属性,属性值说明当前对象在特定时间或者特定状态下具有怎样的实际数据。

    例如,设备对象可能具有温度、压力、运行速度和运行状态等属性。结构定义中保存这些属性的定义、类型和适用条件,而设备实时采集的数据则构成相应属性的实际值。问题分析需要同时取得属性定义和属性值,才能判断某个实际数据是否具有明确的含义。

    属性分析还需要考虑属性之间的关系。某些问题并不是由单个属性决定的,而是多个属性共同作用的结果。例如,设备温度是否异常,可能与设备类型、运行负荷、环境温度和运行时间有关。后台不能在没有结构依据的情况下,使用一个固定数值作为所有设备的统一判断条件。

    工程目录可以组织为:

    app/
    └── Intelligence/
        └── Requirement/
            └── Analysis/
                ├── ProblemObjectAnalyzer.php      # 问题对象分析入口
                ├── ObjectDefinitionResolver.php   # 对象定义匹配
                ├── ObjectAttributeAnalyzer.php    # 对象属性分析
                ├── AttributeDefinitionResolver.php # 属性定义匹配
                ├── AttributeValueAnalyzer.php     # 属性值分析
                ├── AttributeStateAnalyzer.php     # 属性状态分析
                ├── ObjectCompletenessChecker.php  # 对象信息完整性检查
                └── ProblemObjectResult.php        # 对象分析结果

    对象分析程序需要调用前面建立的结构加载和结构匹配机制,取得相关对象的结构定义,并将需求中的候选对象与已有结构元素进行匹配。匹配成功时,保存正式结构标识;匹配失败时,保留候选对象信息,并将其标记为未匹配或者待定义状态。

    属性分析程序则需要根据对象结构定义取得属性集合,再与需求信息中的候选属性和实际数据进行匹配。属性名称相同但定义不同的情况,需要通过属性类型、单位、取值范围和适用对象进行区分。

    例如,“速度”这一属性可能表示线速度、角速度或者数据处理速度。只根据名称匹配会产生错误。后台必须根据对象类型和属性定义确认其真实含义。

    属性分析还需要检查当前数据是否完整。某项属性可能已经存在定义,但当前没有实际值;也可能已经取得实际值,却无法确定该值对应的对象和采集时间。这些情况应当分别记录,不能简单地将其视为属性缺失。

    问题对象分析的结果可以形成如下结构:

    {
      "problem_id": "PROB-20261114-001",
      "objects": [
        {
          "object_id": "OBJ-ROBOT-001",
          "object_type": "robot",
          "structure_status": "matched",
          "attributes": [
            {
              "attribute_code": "current_position",
              "definition_status": "matched",
              "value_status": "available"
            },
            {
              "attribute_code": "movement_status",
              "definition_status": "matched",
              "value_status": "available"
            }
          ]
        },
        {
          "object_id": "OBJ-OBSTACLE-001",
          "object_type": "obstacle",
          "structure_status": "candidate",
          "attributes": [
            {
              "attribute_code": "position",
              "definition_status": "pending",
              "value_status": "available"
            }
          ]
        }
      ]
    }

    上述示例说明对象定义匹配状态与属性值获取状态需要分别管理。障碍物对象虽然已经取得位置数据,但其结构定义尚未完成匹配,因此不能直接认定其全部属性含义已经明确。

    问题对象及其属性分析还需要处理对象的动态变化。实际运行对象的属性值可能随着时间、环境和任务执行不断变化。后台在分析一个问题时,必须明确使用的是哪个时间点的属性值,或者使用哪个时间范围内的状态变化记录。

    例如,设备当前温度正常,并不能说明过去发生的温度异常不存在。对于故障分析和运行问题识别,历史属性值可能比当前属性值更加重要。因此,属性分析应当支持当前值、历史值和变化记录之间的关联。

    另一方面,属性值的变化不一定意味着对象结构定义发生变化。设备温度从正常值变为较高值,通常只是对象运行状态变化;如果设备新增了一种属性或者原有属性定义发生调整,则属于结构定义变化。后台需要将对象运行状态与结构定义版本分开管理,避免将正常运行数据变化误认为知识结构变化。

    对于复杂问题,还需要判断对象之间是否存在层次关系。例如,一个设备包含多个部件,一个机器人由多个执行单元组成,一个生产系统由多个设备和任务对象组成。问题可能只涉及其中一个部件,也可能影响整个设备。后台需要根据结构定义确定对象层次和包含关系,以便正确确定问题范围。

    对象分析的最终结果,应当能够说明当前问题涉及哪些对象、对象对应什么结构定义、具备哪些属性、当前取得了哪些属性值,以及哪些对象或属性仍然需要补充。只有完成这些分析,后台才能进入更加深入的问题关系和条件识别过程。

    12.4 问题关系、条件与约束识别

    实际问题往往不是多个对象和属性的简单集合,而是由对象之间的关系、状态之间的联系、条件之间的依赖以及执行边界共同构成的复杂结构。问题关系、条件与约束识别的任务,就是确定这些结构之间如何联系,以及它们对问题解决过程产生什么影响。

    对象分析回答的是问题涉及什么对象,属性分析回答的是对象具有什么特征和状态,而关系分析进一步回答对象之间存在什么联系。例如,机器人与通道之间可能存在通行关系,设备与部件之间可能存在组成关系,个体与任务之间可能存在执行关系,多个个体之间可能存在协同关系。

    这些关系不能仅依靠对象名称进行推测,而需要结合已有结构定义、实际数据和需求表达进行确认。

    以仓库机器人运输为例,机器人、仓库通道和运输路线分别是不同对象。机器人位于某个区域,通道连接不同区域,运输路线由多个通道组成。机器人能否通过某条路线,不仅取决于路线是否存在,还取决于路线包含的通道是否可通行、机器人是否具备相应运动能力,以及当前是否存在其他阻碍条件。

    如果后台只识别机器人和通道两个对象,而没有识别通道连接关系、机器人当前位置和路线组成关系,就无法判断机器人是否能够完成运输任务。

    因此,关系识别需要从需求表达和关联信息中取得关系候选,再与已有结构关系定义进行匹配。关系匹配应当检查关系主体、关系类型、关系对象、关系方向以及适用条件。对于不完整或者存在歧义的关系,应当保留候选结果,不得直接建立确定关系。

    关系分析还需要识别关系的适用范围。例如,两个对象之间存在物理连接关系,并不意味着它们在当前任务中一定可以进行数据交换;一个个体具备某项能力,也不意味着它可以执行所有与该能力相关的任务。后台需要根据关系定义和具体条件判断关系是否在当前问题中成立。

    条件识别则需要从问题描述中提取哪些情况会触发某种判断或者行为。条件可以涉及对象状态、属性值、对象关系、时间、环境和任务状态等。例如,通道处于阻塞状态是机器人停止进入该通道的触发条件;替代路线必须满足通行要求,是重新选择路线的必要条件。

    条件不能与属性值混为一谈。属性值是对象在某一时刻具有的数据,条件则是对一个或多个属性值、状态或关系进行组合后形成的判断要求。例如,设备温度为某个数值是一项属性值,而“设备温度超过适用上限且持续时间达到规定条件”才构成一个需要进一步判断的条件表达。

    约束则用于限定问题解决过程允许采用的范围。约束可能来自物理条件、设备能力、任务要求、运行环境、安全规则、资源限制或者个体职责。例如,机器人必须在规定区域内运行,设备控制不能超过允许范围,某个个体只能执行已经赋予的知识能力范围内的任务。这些约束不仅影响最终决策,也会影响知识能力的构建和执行方法的形成。

    问题关系、条件与约束之间还可能存在冲突。例如,用户希望机器人在通道阻塞时继续完成运输任务,但设备安全约束要求机器人不得进入阻塞区域。此时,后台不能简单按照用户目标执行,而应当识别目标与约束之间的冲突,并分析是否存在满足安全约束的替代路径。如果不存在可行路径,则应当形成无法满足当前目标的处理结果,等待新的信息或者人工决策。

    建议建立如下工程目录:

    app/
    └── Intelligence/
        └── Requirement/
            └── Analysis/
                ├── ProblemRelationAnalyzer.php     # 问题关系分析入口
                ├── RelationDefinitionResolver.php  # 关系定义匹配
                ├── RelationDirectionAnalyzer.php   # 关系方向分析
                ├── RelationConditionAnalyzer.php   # 关系条件分析
                ├── ProblemConditionAnalyzer.php    # 问题条件识别
                ├── ConditionExpressionParser.php   # 条件表达式解析
                ├── ConstraintAnalyzer.php          # 问题约束识别
                ├── ConstraintConflictChecker.php   # 约束冲突检查
                └── ProblemRelationResult.php       # 关系分析结果

    关系分析程序需要取得已经识别的问题对象及其结构定义,再根据需求信息和关联数据建立候选关系。对于已经存在的关系定义,可以直接进行结构匹配;对于尚未定义的关系,则需要形成待确认关系数据,供后续知识结构化构建使用。

    条件分析程序则需要将需求中的条件描述转化为结构化表达。条件表达式至少应当能够明确涉及哪些对象、使用哪些属性或状态、采用什么判断方法,以及条件成立时对应什么处理要求。

    例如:

    {
      "condition_id": "COND-001",
      "subject": "仓库通道",
      "attribute": "passage_status",
      "operator": "equals",
      "value": "blocked",
      "result": "禁止机器人进入该通道"
    }

    这只是一个条件表达的工程示例。实际条件的属性标识、操作符和状态值应当引用经过确认的结构定义,不能将示例中的字段直接作为所有控制任务的固定字段。

    复杂条件可能包含多个子条件及其组合关系。例如,机器人进入某区域之前,既要判断区域是否允许通行,又要判断机器人当前状态是否满足运行要求,还要检查区域内是否存在其他对象。后台需要能够识别这些条件之间的逻辑联系,并将其组织成可解析的条件结构。

    在程序实现中,可以将条件表达定义为独立对象:

    <?php
    
    class ConditionExpression
    {
        private $subject;
        private $attribute;
        private $operator;
        private $expectedValue;
    
        public function __construct(
            $subject,
            $attribute,
            $operator,
            $expectedValue
        ) {
            $this->subject = $subject;
            $this->attribute = $attribute;
            $this->operator = $operator;
            $this->expectedValue = $expectedValue;
        }
    
        public function getData()
        {
            return array(
                'subject' => $this->subject,
                'attribute' => $this->attribute,
                'operator' => $this->operator,
                'expected_value' => $this->expectedValue
            );
        }
    }

    该对象只负责保存一个基础条件表达。对于复杂条件,还需要建立条件组合结构,支持多个条件之间的逻辑关系,以及条件之间的引用和依赖。

    约束识别需要特别注意来源和效力。用户提出的目标要求、设备结构定义中的运行限制、后台设置的执行边界和经过确认的安全规则,可能同时作用于一个问题,但它们的约束性质不同。后台需要保留约束来源、适用对象、适用范围和优先级,不能将所有约束简单合并成一个无差别的条件集合。

    尤其是涉及设备控制、机器人运动和无人机运行时,安全约束必须在问题分析阶段就纳入考虑,而不是等到最终执行时才检查。如果某项需求本身与不可突破的安全边界冲突,后台就应当在问题结构中标记该冲突,避免继续形成不可执行的控制方法。

    关系、条件和约束识别完成后,后台还需要进行一致性检查。例如,关系引用的对象是否真实存在,条件使用的属性是否属于对应对象,操作符是否适用于属性类型,约束是否与其他约束冲突,以及目标是否能够在现有约束下实现。

    这一过程可以形成问题结构中的关系和条件部分:

    问题结构
    ├── 问题对象
    │   ├── 对象A
    │   ├── 对象B
    │   └── 对象C
    ├── 对象属性
    │   ├── 属性定义
    │   ├── 当前属性值
    │   └── 状态信息
    ├── 对象关系
    │   ├── 关系主体
    │   ├── 关系类型
    │   ├── 关系对象
    │   └── 关系条件
    ├── 问题条件
    │   ├── 基础条件
    │   ├── 组合条件
    │   └── 触发条件
    └── 问题约束
        ├── 对象约束
        ├── 运行约束
        ├── 任务约束
        └── 安全约束

    问题关系、条件和约束识别的结果,将直接影响下一阶段的问题理解结果形成。它决定后台是否已经掌握问题的基本结构,以及当前知识能力是否具备解决问题所需要的结构条件。

    12.5 需求理解结果的形成与验证

    需求理解结果是后台完成需求分析后形成的综合问题结构。它不是对用户原始需求的简单复述,也不是将对象、属性和关系拼接成一份数据清单,而是将需求目标、实际问题、对象结构、属性状态、关系条件和约束信息组织成一个能够支持后续知识能力匹配与构建的完整处理对象。

    需求理解结果必须回答几个核心问题:当前需求究竟要解决什么问题,问题涉及哪些对象,这些对象具有什么属性和状态,它们之间存在什么关系,需要满足哪些条件,受到哪些约束,以及目前还有哪些信息没有确认。

    如果这些问题无法得到足够明确的回答,后台就不能将需求标记为已经完成理解。它可以形成阶段性理解结果,但必须保留未确定信息和待补充事项。

    需求理解结果的形成需要综合前面各节的处理数据。需求表达识别提供原始目标和初步问题定义;关联信息搜集补充问题所需的对象和状态信息;对象及属性分析确定问题对象结构;关系、条件和约束分析进一步建立问题之间的逻辑联系。最终由需求理解组织程序将这些结果统一起来。

    建议建立如下工程目录:

    app/
    └── Intelligence/
        └── Requirement/
            ├── Results/
            │   ├── UnderstandingResultBuilder.php # 需求理解结果构建
            │   ├── UnderstandingResult.php        # 需求理解结果对象
            │   ├── ProblemStructureBuilder.php    # 问题结构组织
            │   ├── ProblemStructure.php           # 问题结构对象
            │   ├── UnderstandingValidator.php     # 需求理解验证
            │   └── UnderstandingVersionManager.php # 理解结果版本管理
            ├── Matching/
            │   ├── RequirementStructureMatcher.php # 需求与结构匹配
            │   └── CapabilityRequirementMatcher.php # 需求与能力匹配
            └── Services/
                └── RequirementUnderstandingService.php # 需求理解服务协调

    UnderstandingResultBuilder负责将前面各个分析程序产生的结果组织成统一的问题结构。ProblemStructureBuilder负责建立问题对象、属性、关系、条件和约束之间的关联。UnderstandingValidator则对形成的结果进行完整性、一致性和可追溯性检查。

    一个需求理解结果可以采用如下数据形式:

    {
      "understanding_id": "UND-20261114-001",
      "requirement_id": "REQ-20261114-001",
      "problem_id": "PROB-20261114-001",
      "target": {
        "description": "使运输机器人能够在通道阻塞时保持运输任务的安全运行"
      },
      "problem_objects": [
        {
          "object_id": "OBJ-ROBOT-001",
          "structure_status": "matched",
          "attributes": [
            "current_position",
            "movement_status"
          ]
        },
        {
          "object_id": "OBJ-PASSAGE-001",
          "structure_status": "matched",
          "attributes": [
            "passage_status",
            "connected_area"
          ]
        },
        {
          "object_id": "OBJ-ROUTE-001",
          "structure_status": "candidate",
          "attributes": [
            "route_segments",
            "route_status"
          ]
        }
      ],
      "relations": [
        {
          "subject": "OBJ-ROBOT-001",
          "relation": "uses",
          "object": "OBJ-ROUTE-001"
        },
        {
          "subject": "OBJ-ROUTE-001",
          "relation": "contains",
          "object": "OBJ-PASSAGE-001"
        }
      ],
      "conditions": [
        {
          "condition": "通道状态为阻塞",
          "required_result": "禁止进入该通道"
        }
      ],
      "constraints": [
        {
          "constraint": "不得违反机器人运行安全边界"
        }
      ],
      "unresolved_items": [
        "替代路线的可行性判断条件尚待确认"
      ],
      "understanding_status": "partially_understood"
    }

    这个示例说明,需求理解结果需要同时保存已经确认的结构信息和仍然存在的不确定内容。某个对象的结构定义已经匹配,并不意味着所有相关属性都已经取得;某个目标已经明确,也不意味着实现目标所需的全部条件都已经具备。因此,理解结果应当支持完整、部分完成和待补充等不同状态。

    需求理解结果的验证首先需要检查对象完整性。后台应当确认当前问题涉及的主要对象是否已经识别,是否存在没有明确归属的属性和状态,是否遗漏了影响问题解决的重要对象。

    其次需要检查属性和状态的一致性。属性必须与所属对象结构相对应,实际属性值必须能够追溯到数据来源,状态表达必须符合相应对象的结构定义。对于单位不一致、类型不匹配或者采集时间不明确的数据,应当标记为待处理。

    再次需要检查关系完整性。关系主体和关系对象必须能够对应到已经识别的对象,关系类型必须有明确含义,关系方向和适用条件必须符合结构定义。不能仅因为两个对象同时出现在需求描述中,就自动建立它们之间的确定关系。

    条件与约束验证则需要检查条件引用的属性是否存在,判断方法是否适用,多个条件之间是否存在冲突,以及需求目标是否与已识别约束相容。对于存在安全约束的任务,还需要确认问题结构是否保留了相应的安全边界。

    最后需要检查结果的来源和可追溯性。每个重要对象、属性、关系和条件都应当能够关联到原始需求、关联信息或者已有结构定义。对于由后台分析形成的推导关系,应当保存其依据和判断过程,不能将推导结果伪装成外部已经提供的事实。

    需求理解验证程序可以采用如下接口:

    <?php
    
    class UnderstandingValidator
    {
        public function validate(array $result)
        {
            $errors = array();
    
            if (empty($result['requirement_id'])) {
                $errors[] = 'Requirement reference is missing.';
            }
    
            if (empty($result['problem_objects'])) {
                $errors[] = 'Problem objects are missing.';
            }
    
            if (!isset($result['target'])) {
                $errors[] = 'Problem target is missing.';
            }
    
            if (!isset($result['relations'])) {
                $errors[] = 'Relation analysis is missing.';
            }
    
            if (!isset($result['conditions'])) {
                $errors[] = 'Condition analysis is missing.';
            }
    
            return array(
                'valid' => count($errors) === 0,
                'errors' => $errors
            );
        }
    }

    这段代码只是最基本的数据完整性检查,不能代替完整的问题结构验证。实际工程中还需要调用结构匹配、关系验证、条件解析和约束冲突检查程序,对各个数据项进行深入验证。

    需求理解结果还需要与现有知识结构和知识能力进行匹配。这是需求理解进入下一阶段的关键接口。

    当问题结构已经形成,后台可以根据其中的对象、属性、关系、状态、条件和目标,检索现有结构定义及知识能力,判断它们是否能够覆盖当前问题。如果已有知识能力能够满足全部条件,则可以进入能力调用和任务组织过程。如果只能满足部分条件,则需要识别具体缺口。如果没有相应知识结构或者知识能力,则需要形成新的知识构建需求。

    这里需要明确,需求理解完成并不意味着知识能力已经形成。需求理解只是明确了需要解决什么问题,以及问题由什么结构组成。知识能力构建则需要进一步确定应当建立哪些知识结构、结构元素之间如何关联、需要具备哪些方法,以及这些方法如何组合成能够解决问题的能力。

    例如,仓库机器人需求经过理解后,后台可能已经明确需要识别机器人位置、通道状态、路线结构和通行条件。但这并不意味着后台已经具备路线选择和动态避障能力。如果现有知识能力只能判断通道是否阻塞,却无法计算替代路线,那么后台就需要将路线分析能力识别为待构建部分,并将其交给后续知识结构化和知识能力构建过程。

    需求理解结果还需要建立版本管理。用户可能补充新的需求信息,设备环境可能发生变化,个体反馈也可能揭示此前没有识别的对象关系。此时,后台需要重新分析相关部分,并形成新的理解结果版本。旧版本应继续保留,以便追溯当时的分析依据和后续调整过程。

    对于复杂需求,可以将一个总体需求分解成多个问题结构,并建立问题之间的依赖关系。例如,机器人自主运输可能分解为对象识别、路线判断、障碍物处理、任务分配和运行状态控制等问题。每个问题可以独立形成理解结果,但仍然需要通过总体需求标识和问题关系建立联系。这样,后台既能够分别构建所需知识能力,也能够在后续任务组织过程中将它们组合起来。

    最终形成的需求理解结果,应当成为WSaiOS智能控制后台后续知识能力匹配和知识结构化构建的直接依据。它既能说明需求需要解决什么问题,也能明确当前已经掌握哪些信息、哪些结构已经匹配、哪些条件尚未确认,以及还需要构建什么样的知识能力。

    本章小结

    本章围绕需求理解与问题结构分析,建立了从需求表达识别到实际问题结构形成的工程处理过程。

    后台首先需要区分用户表达的需求目标与实际需要解决的问题,避免将原始需求直接当作完整的问题定义。随后以问题对象为中心开展关联信息搜集,将已有结构定义、知识能力、历史运行记录、设备状态和个体反馈等信息组织起来。通过对象及属性分析,明确问题涉及的对象结构、属性定义和实际状态;通过关系、条件与约束识别,进一步明确对象之间的联系、问题成立的条件以及解决过程必须遵守的边界。

    在这些分析基础上,后台形成统一的需求理解结果,并通过对象完整性、属性一致性、关系有效性、条件完整性、约束冲突和信息可追溯性等检查进行验证。验证后的理解结果可以进入现有知识能力匹配过程,为后续知识结构化构建和知识能力形成提供明确依据。

    本章建立的核心工程关系是:需求信息并不直接等于问题结构,问题结构也不直接等于知识能力。后台必须经过信息关联、对象分析、关系识别、条件判断和结果验证,才能从需求表达中形成真正可供智能处理的实际问题结构。

    下一章将在此基础上进一步研究需求与知识能力的匹配,明确如何判断现有知识能力能否解决已经理解的问题,如何识别能力不足和结构缺口,以及如何将未满足的需求转化为新的知识构建任务。

Leave a Reply

Your email address will not be published. Required fields are marked *

客服咨询
● 欢迎咨询与合作
您好!欢迎咨询。 我可以帮助您了解人工智能技术研发、智能软件系统开发、网站建设、搜索优化及项目定制等相关信息。 请问有什么可以帮您?
免费申请
请填写以下信息,方便我们进一步沟通。
欢迎咨询 AI 系统开发、网站建设、搜索优化、项目定制合作
电话:15089196448
邮箱:1602401899@qq.com
地址:陕西省渭南市
服务时间:周一至周五 09:00 - 18:00 | 7×24小时技术值守