论文提出LLM工程设计上下文操作框架
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载把上下文拆成模块单元
这篇论文提出一套形式化操作框架，用来在基于大语言模型的工程设计流程中组装上下文。其做法是把上下文拆成若干可复用的模块单元：一类是策略提示，用来约束模型的行为边界；一类是带持久性的参考单元，可在多轮交互中保留并反复调用；还有一类是用户提问，并配合提示向量化处理。作者认为，按这种模块化方式组织，与生成模型的交互就能被系统地结构化，而不是每次临时拼接提示词。框架的重点在于把上下文组装本身当作可定义、可复现的操作，而不是依赖使用者的经验。论文共 31 页，含 13 幅图、12 个公式和 9 张表，说明这套操作被形式化地表达出来，而非停留在流程描述层面。
评估建模代码是否合意
除上下文操作外，作者还给出一种针对建模即代码输出的形式化评估方法。该方法关注的是大语言模型给出的答案是否与设计意图相符，并据此判断模型对系统架构建模的支持程度。也就是说，评估的对象不是文本是否通顺，而是输出能否被当作架构模型代码来检验其合规性。这一环节与前面的上下文组装相互衔接：上下文如何组织，决定了输出形态；评估方法则给出判断输出是否可用的依据。论文将这套评估标准定位为面向系统工程设计的用途，强调其服务于架构建模这一具体任务，而非通用的模型能力打分。
与临时提示的差别
常见做法是把需求、约束和问题一次性写进提示词，交给模型生成结果，再靠人工阅读判断可用性。这篇论文的差异在于两头都做了形式化：输入端把上下文拆成策略提示、持久参考单元和向量化提问等可组合部件，使交互结构可以被系统地搭建；输出端则用明确的评估方法核对建模代码是否符合意图。前者让上下文具备可复用与可重组的性质，后者让“模型是否帮上了忙”从主观印象变成可检验的判断。论文给出的公式与表格，正是为这两端提供可操作的表达形式。
适用边界与读者意义
这套框架面向的是系统工程设计中的架构建模环节，尤其是以代码形式表达模型的输出，适用范围因此集中在需要把设计意图转成结构化模型的场景。论文没有声称覆盖所有生成式人工智能用途，评估方法也围绕建模即代码这一类输出展开。对从事系统工程与设计工作的读者而言，其意义在于提供了一条把大语言模型接入设计流程的思路：先规定上下文如何组装，再规定输出如何核验，两步都有形式化依据。论文于 2026 年 9 月 9 日提交至 arXiv，编号 2609.10132，属于系统与控制方向，同时涉及人工智能与软件工程。
为什么值得看
为利用生成式AI加速系统工程设计提供了结构化交互与评估的方法论。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。