一、为什么具身智能的需求管理特别难

具身智能产品通常涉及机械、电控、软件与算法多专业并行,样机持续迭代。缺少系统化需求管理时,常见三类问题:

典型问题

直接后果

放大后的风险

需求碎片化

需求散落在群聊、文档与个体经验中

改版不同步,联调阶段问题集中暴露

版本不一致

各专业依据的需求版本不同

软硬件接口对不上,返工成本高

追溯断链

缺陷出现后无法定位对应需求

交付时难以证明实际配置与批准基线一致

需求是工程闭环的源头。把质量管控从"事后检验"前移到"过程嵌入",关键在于需求管理是否具备条目化、可追溯、可审计的底座。

二、能力框架:五层视图与五大能力域

高远-飞书项目Himee-ALM 以飞书项目为协同底座、ALM 为工程核心,参考 ISO/IEC/IEEE 15288、29148、ISO 10007 与 ISO 12100,贯通需求、设计、开发、测试与交付。

方案采用五层管理视图:产品 → 项目 → 版本 → 需求 → 过程。覆盖五大能力域:

能力域

核心职责

需求管理

条目化、变更追溯、版本与基线

智能测试管理

用例生成、测试记录与缺陷关联

项目与产品管理

产品族、型号、受控配置与风险跟踪

质量管理

交付物受控、AI 预审、会议纪要

管理数据分析

进度、证据就绪度与未决风险统筹

下文聚焦需求管理下的四项核心能力,并附实现示例。

三、需求条目化:建立可追溯的需求底座

3.1 需求模型定义

每条需求都应具备唯一标识、来源、适用条件、责任人与验证方法。用数据类描述:

```python
from dataclasses import dataclass, field
from typing import List, Optional

@dataclass
class Requirement:
    req_id: str                 # 唯一标识,如 RBT-VIS-002
    title: str
    source: str                 # 客户原始需求 / 整机规格
    parent_id: Optional[str]    # 上层需求,支撑层级归属
    verify_method: str          # 评审 / 测试 / 分析 / 演示
    metrics: dict = field(default_factory=dict)  # 量化指标
    status: str = "draft"
```

3.2 多格式文档解析与条目拆分

客户常以 PDF、Word、ReqIF、Excel、云文档或多维表格交付需求。解析后按层级拆分并生成目录:

```python
import re

def parse_requirements(text: str) -> List[Requirement]:
    # 将非结构化文档文本拆分为条目化需求
    items = []
    for idx, block in enumerate(re.split(r"\n\s*\d+\.", text)):
        block = block.strip()
        if not block:
            continue
        req_id = re.search(r"(RBT-[\w-]+)", block)
        items.append(Requirement(
            req_id=req_id.group(1) if req_id else f"REQ-{idx:03d}",
            title=block.split("\n")[0][:60],
            source="客户文档",
            parent_id=None,
            verify_method="待定",
            metrics={},  # 提取检测范围、响应时间等量化指标
        ))
    return items
```

导入后需核对来源、版本与解析完整性,再纳入受控需求库。

四、变更与追溯:构建双向可查的工程关系

4.1 追溯链路与覆盖率

以需求为入口,关联系统/子系统需求、设计、用例与验证结果,形成可计算的追溯图:

```python
from collections import defaultdict

def build_traceability(reqs, links):
    # links: [(上游id, 下游id)],返回每个需求的下游覆盖
    graph = defaultdict(list)
    for up, down in links:
        graph[up].append(down)
    coverage = {r.req_id: len(graph.get(r.req_id, [])) for r in reqs}
    covered = sum(1 for v in coverage.values() if v > 0)
    return coverage, covered / len(reqs)  # 覆盖率
```

链路状态区分"已建立关联 / 待复核 / 已验证",帮助识别覆盖缺口。

4.2 变更对比与可疑链路标注

需求或接口变更时,逐条比对并标注受影响的上下游:

```python
def diff_and_flag(base: dict, current: dict, trace: dict):
    changed = {k: (base[k], current[k]) for k in base if base[k] != current.get(k)}
    suspects = {}
    for k in changed:
        suspects[k] = trace.get(k, [])   # 提示责任人复核上下游
    return changed, suspects
```

关联存在并不等同于需求已验证通过,风险仍需责任人确认。

五、版本管理:每一次修改均可审计

5.1 版本差异逐字段对比

```python
def diff_versions(old: dict, new: dict):
    added, removed, modified = {}, {}, {}
    for k in set(old) | set(new):
        if k not in old:
            added[k] = new[k]
        elif k not in new:
            removed[k] = old[k]
        elif old[k] != new[k]:
            modified[k] = (old[k], new[k])
    return added, removed, modified
```

差异以字段级红绿标注,由责任人判断对设计、测试与安全证据的影响。

六、基线管理:以冻结基线作为交付依据

6.1 基线对比

在样机关键节点冻结需求与配置项版本,对比不同阶段的源配置与目标配置:

```python
def compare_baseline(src: dict, tgt: dict):
    same = {k: src[k] for k in src if k in tgt and src[k] == tgt[k]}
    diff = {k: (src.get(k), tgt.get(k)) for k in set(src) | set(tgt) if src.get(k) != tgt.get(k)}
    return same, diff
```

基线发布后保持可识别、可追溯,交付时核查实际配置与批准基线的一致性。

七、其余能力域概要

需求之外的四项能力域同样关键:智能测试管理依据需求与场景辅助生成用例;项目与产品管理统一产品族、型号与受控配置;质量管理实现交付物受控与 AI 预审;管理数据分析统筹进度、证据就绪度与未决风险。

需求条目化是起点,基线是承诺,追溯是底气。

关于高远科技

高远科技专注于汽车软件研发全生命周期(ALM)与 ASPICE 落地工具,基于飞书项目打造高远-飞书项目Himee-ALM,覆盖需求、测试、项目、质量与数据分析五大能力域,服务于具身智能、汽车零部件等研发团队。

如果你正在做具身智能或汽车软件研发,欢迎在评论区留言【需求管理】,我把配套的需求条目化模板和示例资料分享给你,一起交流落地经验。

Logo

DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐