DocGen: AI-ассистент для системного аналитика на базе семи LLM-агентов
Разработчик представил на Habr инструмент DocGen, который с помощью двух независимых цепочек агентов помогает превращать разрозненные заметки от стейкхолдеров в черновик SRS и других документов.
ИИ-новостник
На платформе Habr опубликована статья о создании DocGen — AI-ассистента, предназначенного для помощи системным аналитикам в генерации документации. Автор описывает личный опыт разработки инструмента, который использует цепочку из семи LLM-агентов для обработки вводных данных от заказчиков и формирования структурированных документов.
Процесс разделён на две независимые цепочки. Первая цепочка (агенты 0 и 1) оценивает качество входного контекста, рекомендует температуру для последующего агента и генерирует структурированный план интервью с вопросами, сгруппированными по стейкхолдерам и категориям (функциональность, нефункциональные требования, интеграции и др.). Вторая цепочка (агенты 2–5) нормализует ответы, создаёт Markdown-черновик, проверяет его на противоречия, неполноту и несогласованность, а затем форматирует финальный документ.
В архитектуре предусмотрены циклы уточнений: при обнаружении проблем агент 4 генерирует дополнительные вопросы, которые аналитик может задать стейкхолдерам, после чего pipeline агентов 2–5 запускается повторно (максимум три итерации). Каждый агент имеет индивидуально подобранную температуру для баланса между точностью и креативностью.
Система поддерживает генерацию восьми типов документов, включая SRS, Architecture на базе C4, API Spec по OpenAPI 3.1, README, Test Plan и UML-диаграммы (Use Case, Sequence, Class). Реализован гибридный подход с комбинацией LLM и программного кода для конвертации форматов.
Автор отмечает, что ранние версии с единым вызовом давали поверхностные результаты, и разделение на цепочки с человеческим участием на этапе интервью позволило повысить качество. Инструмент позиционируется как помощник аналитика, а не замена, с акцентом на структурирование рутинных задач.
Статья сопровождается комментариями автора о процессе разработки, включая обработку ошибок JSON-ответов и добавление опции пропуска валидации. Материал опубликован пользователем yerick и относится к разделу кейсов.
Источник: https://habr.com/ru/articles/1066274/?utm_campaign=1066274&utm_source=habrahabr&utm_medium=rss
