随着 AI 技术从 Copilot 模式向 Agent 模式加速演进，传统需求工程正面临严峻挑战：需求传递失真、分析维度缺失、需求质量难以保障等问题日益凸显。本演讲将深度剖析企业级知识底座与多 Agent 智能化平台的构建过程，通过该平台实现需求质量自动化管控与多角色 Agent 协同作业。重点阐述知识工程从 0 到 1 的完整构建路径，分享提升需求分析效率的关键方法，以及该方案在企业内工程化落地和推广应用的成功经验与显著成果。

演讲提纲

1. 传统模式的三大问题与挑战

• 传递失真
• 分析缺失
• 质量欠佳

2. 解决思路与解决方案

• 构建方案：从 0 到 1 的架构设计
• 知识工程双引擎：向量库 + 图谱库融合架构：构建需求关系的知识网络
• 多 Agent 协同体系：通过分层设计、构建需求域内和跨领域多 Agent 协同体系

3. 方案实施与项目实践

• 知识工程攻坚：三级产品知识库构建与非结构化文档处理技术
• Agent 协作机制：工作流引擎驱动，如何驱动全流程标准化协作
• 需求质量内建及评审机制：动态规则库搭建、多角色对抗式评审、文档自动优化
• 项目实战结果：项目案例落地呈现

4. 经验总结与未来展望

• 成功关键要素：知识工程的建设要素与Agent的协同机制

您认为，这样的技术在实践过程中有哪些痛点？

• 知识工程中，自动化的知识清洗和知识提取可能导致知识更新不够及时
• 针对 Agent 输出的质量和稳定性问题，仍需设置人工干预点以进行有效的质量控制

演讲亮点

• 知识工程的体系化建设思路和实施方案，以及如何从 0 到 1 完成知识工程的构建
• 如何将需求工程中的方法论转化为 Agent 的能力

听众收益

• 了解设计思路：掌握从 0 到 1  构建知识工程，以及“知识工程 + Agent ”双轮驱动的需求工程智能化框架，获得需求域智能化方案设计的全流程思路
• 了解技术实现方案：学习向量库 / 图谱库、Agent 分工协作、 AI 评审等关键技术的工程化实现细节
• 获得实践经验：获取方案落地实施的经验教训，避免“为建知识库而建知识库”等常见误区等