文章核心观点 - 生成式人工智能在需求工程领域的研究呈现指数级增长，但整体仍处于“快速扩张但尚未成熟”的阶段，90.3%的研究停留在概念或原型阶段，仅1.3%实现生产级集成[5][8][14][39][41] - 当前研究存在严重失衡，过度聚焦于需求分析等文本处理任务，而需求管理等复杂社会技术因素阶段仅占6.8%的研究比重[9][11][13] - 技术生态面临同质化困境，67.3%的研究采用GPT系列模型，开源替代方案仅占11.6%，限制了多样化技术路径的探索[15][16][17][19] - 可复现性、幻觉问题和可解释性构成三大核心挑战，共现率达35%，形成相互强化的“信任瓶颈”[27][28][29][30][31] - 行业从实验室到生产存在巨大鸿沟，需要四阶段推进策略解决评估基础设施薄弱、治理框架缺失等系统性障碍[32][37][38][42][44][46] 研究热度与分布 - 研究成果呈现爆发式增长：2022年仅4篇，2023年激增至23篇，2024年达113篇，2025年前5个月已有97篇[5][10] - 需求分析占据30.0%的研究比重，需求获取和需求规约各占22.1%，需求验证占19.0%，需求管理仅占6.8%[9][11][13] 技术生态现状 - GPT系列模型占据主导地位：GPT-4系列占36.7%，GPT-3.5系列占25.3%，开源方案如LLaMA、CodeLlama仅占11.6%[16][17][19] - CodeLlama在代码-需求追溯任务中表现出色，幻觉率比通用模型低23%，但采用率仍然很低[16] - 提示工程以指令式提示为主，占62.2%，少样本学习占43.6%，零样本学习占37.7%，思维链方法仅占14.0%[20][21][23][25] 质量特性与核心挑战 - 功能适用性获得最多关注，可靠性次之，安全性和可解释性几乎被忽视[26][30] - 可复现性问题最严重，影响66.8%的研究，LLM的随机性和黑盒API不透明性导致结果难以验证[29][30] - 幻觉问题影响63.4%的研究，AI生成需求可能包含虚构内容，导致系统设计偏差[29][30] - 可解释性问题影响57.1%的研究，决策过程不透明在高风险领域尤为致命[29][30] 评估与实践现状 - 仅23.9%的研究公开发布工具，45.8%使用不公开数据集，缺乏统一基准测试框架[33][35] - 评估主要依赖传统NLP指标，精确率/召回率/F1分数最常用，人工评估和错误分析罕见[33][35][37] 工业化进程与未来路线 - 90.3%研究停留在概念或原型阶段，仅8.4%达到实验部署水平，1.3%实现生产级集成[39][41] - 主要限制因素包括：泛化能力和领域适应、数据质量和可用性、评估方法、人工介入需求[42][45] - 未来四阶段推进策略：强化评估基础设施、治理感知开发、可扩展的情境感知部署、工业级标准化[44][46]