山东大学软件学院创新实训＜六＞

whatisllm

已于 2025-05-05 22:56:45 修改

阅读量524

点赞数 17

分类专栏：山东大学软件学院创新实训blog记录文章标签：人工智能

于 2025-05-03 10:32:22 首次发布

本文链接：https://blog.csdn.net/wangyimingworld/article/details/147676332

版权

山东大学软件学院创新实训blog记录专栏收录该内容

8 篇文章

订阅专栏

SRS撰写记录
【创新实训项目博客】软件需求规格说明书（SRS）-CSDN博客https://blog.csdn.net/zhengjiuzheDu/article/details/146082090

SRS编写记录

1. 引言部分：明确目标、背景与核心概念

在SRS第一部分，我聚焦于为所有项目相关方建立清晰的背景理解与目标共识：

编写目的：我明确指出SRS不仅作为开发与验证的唯一依据，还需指引后续维护、迭代及质量评估，是控制需求变更与风险的基础文档。因此，需求描述必须权责明晰、验收标准确切，避免后期理解偏差。
项目背景：落脚于行业长期面对的策划流程繁琐、高成本、响应慢、难以创新等痛点。强调AI多智能体通过专家分工、高效协作、链式推理，有望彻底重塑广告行业工作流。特地加入“自动策略生成”“一站式数字方案交付”“数据驱动决策”等落地场景，突出项目的现实意义和先进性。
术语定义：本项目涉及“多智能体”“deepseek”“用户”等专业概念，因此专门撰写定义，区分AI智能体的分工思路（如“市场分析师”“策略规划师”等），清晰界定deepseek大模型在系统中的技术支撑地位，以及用户画像的类型与角色。

这一部分，不仅拓展了读者的话语边界，也为后续的技术与业务细节奠定理解基线。

2. 总体描述：系统流程、用户特性与约束边界

2.1 系统概述

我从端到端用户体验角度描述了整个系统流程：

用户通过表单便捷输入业务需求，包括产品名称、目标受众、预算金额等关键信息。
系统内部模拟现实广告公司专家团队分工，多个AI智能体按既定角色链式协作（如数据工程师、市场分析师、广告规划师等），实现智能推理与决策分工。
核心产出包括三大文档：广告投放建议书（策略、平台选择与ROI分析）、广告内容拍摄建议案（创意稿、视觉脚本与建议）、结构化PPT（便于公司内部项目快速汇报决策）。
系统界面实现沙盘协作可视化，让用户实时观察多智能体间的思考与中间输出，增加方案透明度与信任感。

此部分强调“从委托到交付”的全流程自动化，突出数据驱动和团队协同的价值。

2.2 用户特征

详细界定目标用户：

既面向数字化转型中的大客户市场团队，也覆盖缺乏专业资源的成长型中小企业。
用户通常有市场、广告策划、创意、渠道等相关基础，但缺乏高效分工与数据整合的能力。
系统设计力求操作门槛极低，方便非技术用户通过简单交互获得专家级营销方案。

2.3 约束条件

明确规定前端采用HTML、CSS、JavaScript及Bootstrap框架，以保证响应式体验和跨平台兼容。
后端聚焦Python开发，确保对主流AI API（deepseek、OpenAI等）的高效调用、高扩展性。
数据全部来源需合法合规，严格遵守第三方平台（如AppGrowing）政策。

2.4 需求假设与依赖

项目高度依赖AI大模型与第三方API的可用性与稳定性。
行业数据需定期本地维护，防止因外部变化导致报告失效。

2.5 功能概述

明确系统每一步操作的核心目标与产出，包括用户输入、团队自动协作、三大核心文档生成、协作流程可视化等环节，形成完整业务闭环。

3. 具体需求：细化各功能模块的输入、处理和输出

本节是SRS的主体，为需求落地和开发实现提供详尽蓝图。我将所有需求细分为功能、性能、接口、安全、数据等子模块。

3.1 功能需求

用户需求输入：设计表单页面，收集所有推广任务的关键信息，支持多参数校验，自动生成任务编号，用于后续进度追踪和数据管理。
广告投放建议书自动生成：
- 系统根据任务数据智能推荐适合平台及投放组合，给出投放渠道叠加分析与历史表现参考。
- 文档结构包括行业分析、竞品调研、平台选择理由、媒体组合与预算分配、ROI预测等，保障策略全面科学。
- 支持生成后的建议书直接导出为Word或PDF。
广告内容拍摄建议自动生成：
- 基于既定投放策略，AI智能推理拍摄脚本大纲和视觉风格建议，具体到场景、调性和执行要素。
- 形成结构化内容便于汇报和落地执行。
PPT报告自动生成：
- 将项目概况、目标、策略、内容卖点等内容自动分页生成标准PPT，适配主流办公软件下载使用。
多智能体可视化协作流程：
- 所有AI角色按照团队流程分工协作，各流程节点状态可视化呈现。
- 核心节点如需求分析、策略输出、内容生成、文档编排均组成流程图或进度条展示。
- 每个智能体角色有独立工单分发、环节确认与前后流程回填机制，支持链式逻辑回退。
数据获取与分析：
- 后台定期同步AppGrowing等权威行业数据库，自动抽取最新市场动态，作为广告投放与内容分析的数据依据。
- 分析结论直接嵌入建议书与PPT关键板块。
交互与回填模式：
- 用户实时看到每一步文档和建议产出的进展详情，异常或失误时有明确提示与责任环节定位。