OntoChat：用大语言模型重塑本体工程中的需求获取与故事生成

本文介绍OntoChat系统——结合大语言模型与对话式交互的工具，旨在帮助本体工程师高效生成高质量用户故事，降低需求获取的认知负担，提升本体开发的参与式协作体验。该系统针对本体工程长期痛点，通过参与式需求获取理念优化流程，经实证验证其在用户故事质量与体验上的优势，为本体工程实践与研究提供方向。

本体工程（OE）是知识表示核心领域，但面临有效获取领域专家知识的挑战。传统流程存在三大问题：1.领域专家缺乏本体论背景，需求沟通易"失语"；2.访谈/问卷产出零散非结构化信息，转化为本体元素耗时且易失细节；3.静态需求文档难以适应本体开发的迭代动态性。

OntoChat基于大语言模型，核心设计理念为"参与式需求获取"：采用对话式交互引导专家渐进细化需求，降低参与门槛；融合提示工程与领域知识，确保生成内容符合本体建模最佳实践。系统架构含三大组件：对话管理引擎（维护交互状态、识别知识缺口并追问）、用户故事生成模块（转化对话信息为适配本体工程的规范故事，保持与现有本体一致）、知识验证与反馈循环（呈现故事供用户确认修改）。

团队开展24人形成性研究（含本体工程师与领域专家），对照传统方法与OntoChat辅助方法。结果显示：OntoChat组生成的用户故事在完整性、一致性、可测试性、可追踪性上更优，且识别出传统方法遗漏的隐性需求；用户体验反馈良好，领域专家认可对话式交互的自然性，本体工程师减少需求转化工作量。

OntoChat的贡献包括：1.推动参与式本体工程新范式，让领域专家深度融入需求获取阶段；2.验证LLM辅助需求工程的可行性，证明其可作为智能中介促进跨背景沟通；3.提供LLM在特定领域提示工程策略的实证洞察，为相关研究提供参考。

实践启示：引入对话式AI辅助需求获取，借鉴渐进对话与即时反馈理念；重视用户故事在本体工程中的作用；建设提示工程能力。未来方向：多语言支持、多模态交互、本体自动构建、协作功能等。