從混亂的問題陳述轉化為清晰、可操作的類圖——僅需幾分鐘。
🎯 什麼是 AI 驅動的文字分析？
Visual Paradigm 的AI 驅動的文字分析 是一個智慧型建模助手，協助產品經理、軟體架構師與開發人員將非結構化的自然語言（例如使用者故事、需求或系統描述）轉換為結構化的領域模型——具體而言，即 UML 類圖。
無需手動識別實體、屬性和關係，AI 會解析文字，提取相關設計元素，並提出可進一步優化的視覺化模型。
🔍 核心概念：將敘事 → 名詞 → 類別 → 關係 → 圖表 —自動地.
✅ 主要優勢
| 優勢 | 描述 |
|---|---|
| 速度與效率 | 將初始建模時間從數小時縮短至數分鐘。 |
| 一致性 | 減少團隊間的主觀解讀。 |
| 學習輔助 | 非常適合學習物件導向設計的初級開發人員。 |
| 可追溯性 | 每一項建議都包含一個理由——透明且可審計。 |
| 迭代式優化 | 從 AI 開始 → 在 VP Online 中自由編輯 → 導出為程式碼或文件。 |
| 領域發現 | 揭示隱藏的概念（例如交易, 審計日誌）你可能會忽略。 |
🛠️ 逐步教程（含實際範例）
讓我們逐步走過三個逐步複雜的範例，從簡單到企業級。
📘 範例 1：圖書館管理系統（入門版）
📝 步驟 1：提供問題描述
- 前往工具 > 應用程式 > 文本分析 > 開始
- 輸入：
圖書館管理系統 - 點擊[產生問題描述]
👉 AI 生成：
「圖書館管理系統允許圖書館員管理書籍、會員與借閱記錄。會員可以搜尋書籍、一次最多借閱 5 件物品並歸還。逾期書籍將產生罰款。每本書都有書名、作者、ISBN 及可借閱狀態。圖書館員可新增或移除書籍並檢視借閱歷史。」
✅ 如有需要可進行編輯——例如新增：「支援數位電子書與預約排隊。」
👥 步驟 2：識別候選類別
點擊[識別候選類別]
| 類別名稱 | 理由 | 描述 |
|---|---|---|
書籍 |
反覆提及的核心實體 | 代表實體/數位書籍 |
會員 |
動作的主體（借閱、歸還） | 具備聯絡資訊的圖書館使用者 |
借閱 |
動作名詞 → 關鍵交易 | 記錄會員借閱書籍的紀錄 |
圖書館員 |
執行管理任務的執行者 | 管理系統的工作人員 |
罰款 |
逾期借閱的後果 | 產生的金錢罰款 |
🔁 另請參閱： 「未明確的名詞」（例如 狀態, 歷史 → 太模糊或類似屬性）。
✅ 接受全部，或移除 圖書館員 若角色透過權限處理（例如使用 使用者 + 角色旗標）。
📋 步驟 3：識別類別細節
按一下 [識別類別詳細資訊]
範例輸出為書籍:
- 屬性:
isbn：字串
書名：字串
作者：字串
可借閱：布林值
格式：列舉 {實體, 數位} - 作業:
檢查可借閱性()：布林值
標記為已借出()
標記為已歸還()
對於借閱:
- 屬性:
借閱日期：日期
應還日期：日期
歸還日期：日期？ - 作業:
計算逾期天數()：整數
應用罰款()
💡 專業提示: 重新命名 isAvailable → 狀態: BookStatus (列舉: 可借, 已借出, 已預約) 用於擴展性。
🔗 步驟 4：識別類別關係
點擊 [識別類別關係]
| 從 → 到 | 類型 | 多重性 | 描述 |
|---|---|---|---|
成員 — 借閱 |
組合 | 1 → * | 成員擁有其借閱 |
借閱 — 書籍 |
關聯 | 1 → 1 | 每次借閱涉及一本書 |
貸款 — 罰款 |
可選組合 | 1 → 0…1 | 貸款逾期可能產生罰款 |
⚠️ 小心：AI 可能會遺漏聚合對比組合。若需手動編輯，請貸款應參考（非自有）書籍.
🖼️ 步驟 5：生成圖表
點擊[生成圖表]→ 出現完整的 UML 類圖！
✅ 接著點擊[在 Visual Paradigm Online 中開啟]以：
- 重新排列佈局
- 新增範疇（
«實體»,«邊界») - 連結至使用案例或序列圖
- 匯出為 PNG、PDF，或產生 Java/Python 偽碼
🛒 範例 2：電子商務購物車 (中階)
輸入提示:
「一個線上商店，使用者可瀏覽商品、將商品加入購物車、套用優惠碼、使用信用卡或 PayPal 結帳，並追蹤訂單。管理員負責管理庫存並檢視銷售報表。」
AI 識別的類別：
使用者,商品,購物車,購物車項目,訂單,付款,優惠碼,庫存,管理員
顯著的關係：
購物車◇——購物車項目(聚合；購物車擁有 項目，但項目不會隨著購物車被銷毀)訂單◆——付款(組成；付款是訂單生命週期的一部分)促銷代碼——訂單(0…1 → 1；結帳時可選)
獲得的洞察：
AI建議購物車項目 與 分離產品 —— 好！因為：
購物車項目擁有數量,加入時間，以及 快照 的價格（用於處理價格變動）。產品擁有當前價格,庫存水平.
➡️ 防止常見的建模錯誤：混淆目錄項目與購物車項目.
🏥 範例 3：醫院預約系統（進階）
輸入提示（為求真實感而編輯）:
「病人預約醫生。每個預約都有日期/時間、類型（例如：諮詢、追蹤）、狀態（已預約、已完成、取消）。醫生有專長和工作時間表。系統會在預約前24小時發送提醒。護士可為病人辦理入院。實驗室檢驗結果在就診後附加。」
AI重點：
| 類別 | 為何重要 |
|---|---|
預約 |
核心工作流程物件 |
醫生時程 |
與……分離醫生→ 遵循單一責任原則（SRP） |
提醒 |
外部行為 → 未來可能轉為事件驅動服務 |
實驗室檢驗結果 |
附加至預約而非病人——可追蹤性！ |
智慧關係：
預約◆——實驗室檢驗結果(1 → 0…*)
→ 強制執行：只有完成的預約才會有結果。
隱藏的寶藏：
AI標記「類型」和「狀態」在預約中 → 建議使用列舉：
列舉 預約類型 { 諮詢, 復診, 接種疫苗 }
列舉 預約狀態 { 已排定, 已報到, 已完成, 已取消 }
✅ 開發人員節省時間來定義領域枚舉和驗證邏輯。
🚀 提升價值的專業技巧
| 提示 | 如何應用 |
|---|---|
| 從模糊開始，然後再精煉 | 第一個提示：「外送餐點應用程式」。然後編輯生成的描述以加入：「支援餐廳入駐、司機派送、即時追蹤與評分系統。」 |
| 以使用者故事作為輸入 | 貼上：「作為一位顧客，我希望可以根據菜系和送達時間來過濾餐廳，以便快速選擇。」 → AI 提取菜系, 送達時間預估, 過濾條件. |
| 與用例建模結合 | 執行文字分析首先 以取得類別 → 然後推導出參與者與用例（例如，顧客 → 下訂單, 司機 → 更新位置). |
| 使用CRC卡進行驗證 | 在AI建議類別後，與團隊快速進行一次CRC（類別-責任-合作夥伴）討論，以進行合理性檢查。 |
| 匯出至程式碼 | 在VP Online中：右鍵點選圖表 →工具 > 程式碼 > 產生程式碼（支援 Java、C#、Python）。 |
⚠️ 局限性與緩解方法
| 局限性 | 緩解方法 |
|---|---|
可能會過度產生（例如，日期, 時間作為類別） |
檢視「未明確的名詞」表格 → 合併為屬性或使用內建類型。 |
| 無法推斷業務規則（例如「最多3筆貸款」） | 以 OCL（物件約束語言）或註解：{ maxLoans = 3 } |
| 對模糊的名詞感到困難 | 在輸入中明確說明：「『使用者』指的是客戶，而非管理員」或「『會話』指的是治療會話，而非登入會話。」 |
| 預設情況下無法偵測繼承 | 手動新增 病人, 醫生, 護士 → 擴展至 人物 如有需要。 |
📊 使用時機（最佳適用情境）
| 情境 | 為何表現出色 |
|---|---|
| 早期探索工作坊 | 快速從原始筆記中繪製領域模型 |
| 敏捷 Sprint 0 / 背包優化 | 在梳理前將大型功能轉換為候選類別 |
| 學術專案 / 終極專題 | 學生專注於設計邏輯，而非符號 |
| 遺留系統現代化 | 輸入舊的 BRD（商業需求文件）以提取領域模型 |
| 跨功能協調 | 業務與技術團隊驗證共享詞彙 |
🌐 下一步：超越圖表
您由 AI 生成的類別圖僅是起點。在 Visual Paradigm 中，您可以：
- 產生資料庫結構 → ERD → SQL DDL
- 推導序列圖 從操作中推導（例如，
Order.checkout()) - 連結至需求（例如：領帶
applyPromoCode()至BRD第4.2節） - 使用VP模型模擬進行模擬
- 發布為網路入口網站供利害關係人審查
📬 最後想法
「AI並不會取代設計師——它取代的是枯燥乏味.”
使用文字分析來在20%的時間內讓模型正確率達到80%，然後將您的專業知識投入於關鍵的20%：邊際案例、可擴展性與領域細節。
📎 準備好嘗試了嗎？
→ 啟動：Visual Paradigm Online
→ 應用程式：工具 > 應用程式 > 文字分析
請告訴我您是否需要：
- 可下載的速查表（PDF）
- 金融科技、SaaS、物聯網或醫療保健領域的範本提示
- 與手動CRC/領域建模的比較
愉快建模！ 🧩