使用 LLM 辅助理解业务知识

要使用 LLM 辅助理解业务知识并生成相应的模型和任务，可以通过以下详细步骤和示例进行操作。这里的步骤包括如何编写有效的 prompt 模板，如何处理领域模型、用户故事和验收场景，并生成样例数据。

1. 领域模型（Domain Model）

领域模型是对业务实体及其关系的结构化描述。它帮助我们理解系统的基本组成部分及其交互方式。

示例领域模型模板

在这个示例中：

• Customer 类包含客户信息。
• Order 类记录订单详情。
• Product 类描述产品。
• Category 类表示产品的类别。
• 关系线表示不同类之间的联系。

2. 用户故事（User Story）

用户故事是对用户需求的简短描述，帮助我们理解用户希望系统做什么。

示例用户故事模板

作为一个 [用户角色]，我想要 [功能]，以便 [目的]。

示例用户故事

作为一个电商平台的顾客，我想要查看我的订单历史记录，以便我可以跟踪我的购物情况。

3. 验收场景（Acceptance Criteria）

验收场景定义了系统应满足的具体条件或功能，以确保用户故事的实现符合预期。

示例验收场景模板

场景：用户查看订单历史记录

给定 [初始条件]
当 [事件发生]
那么 [期望结果]

示例验收场景

场景：用户查看订单历史记录

给定 用户已经登录到系统，并且有一个订单记录
当 用户访问“我的订单”页面
那么 系统应显示用户所有的订单记录，包括订单号、日期和总金额

4. 任务（Tasks）

任务是将验收场景中的条件转化为具体的操作步骤。

示例任务模板

tasks:
  - task: Understand the user story based on the domain model
  - task: Generate sample data for the given acceptance criteria

示例 YAML 数据

tasks:
  - task: Understand the user story based on the domain model
    description: Using the provided domain model, interpret the user story and determine what data needs to be generated to satisfy the acceptance criteria.
  - task: Generate sample data for the given acceptance criteria
    description: Create sample data in YAML format that fulfills the conditions described in the acceptance criteria.

5. 生成 Prompt

在实际使用 LLM 时，您可以将上述模板整合到一个 prompt 中，以帮助模型理解业务上下文并生成所需的输出。以下是一个完整的 prompt 示例：

示例 Prompt

领域模型
======
classDiagram
    class Customer {
        +customerId: string
        +name: string
    }
    class Order {
        +orderId: string
        +orderDate: date
    }
    class Product {
        +productId: string
        +price: float
    }
    class Category {
        +categoryId: string
        +categoryName: string
    }
    
    Customer "1" -- "*" Order
    Order "*" -- "*" Product
    Product "1" -- "*" Category

用户故事
======
作为一个电商平台的顾客，我想要查看我的订单历史记录，以便我可以跟踪我的购物情况。

验收场景
======
场景：用户查看订单历史记录

给定 用户已经登录到系统，并且有一个订单记录
当 用户访问“我的订单”页面
那么 系统应显示用户所有的订单记录，包括订单号、日期和总金额

任务
===
数据都以yaml格式给出。
首先，请根据领域模型理解用户故事中的场景，并针对验收场景中Given的部分，给出样例数据。

6. 分解 Prompt

步骤 1: 理解领域模型

LLM 应根据领域模型中的实体和关系理解用户故事中的场景。例如，在上面的领域模型中，LLM 需要了解 Customer 和 Order 之间的关系。

步骤 2: 理解用户故事

LLM 应解析用户故事，以确定用户需求。例如，用户希望查看订单历史记录，LLM 需要知道如何从系统中提取相关的订单信息。

步骤 3: 生成样例数据

LLM 应根据验收场景中的 Given 部分生成样例数据。这些数据应模拟实际使用场景，以验证系统功能是否符合要求。

示例输出

sample_data:
  customers:
    - customerId: "C001"
      name: "Alice"
  orders:
    - orderId: "O001"
      orderDate: "2024-08-31"
      totalAmount: 100.00
      customerId: "C001"
  products:
    - productId: "P001"
      price: 50.00
      categoryId: "Cat01"
  categories:
    - categoryId: "Cat01"
      categoryName: "Electronics"

总结

通过上述步骤和模板，您可以有效地利用 LLM 辅助理解业务知识。使用领域模型描述业务实体，利用用户故事定义需求，并通过验收场景和任务生成样例数据。结合 Mermaid 图表和自然语言描述，能够为 LLM 提供清晰的上下文，从而帮助它生成符合业务需求的结果。