這UML類圖是系統結構的關鍵藍圖。它定義了核心資料實體（類）、它們的屬性，以及它們之間的精確關係（關聯、繼承、多重性）。對於任何資料密集型應用程式，例如圖書館管理系統，準確地建模這些關係對於建立穩健且可擴展的資料庫和程式碼庫至關重要。
本案例研究展示了系統架構師如何使用Visual Paradigm人工智慧聊天機器人快速從高階概念轉化為複雜的物件導向模型，並利用對話式指令來細化結構細節。
第一階段：從構想到基礎 – 初始提示
架構師從圖書館系統的基本實體開始。
初始人工智慧提示：
「為一個簡單的圖書館系統生成一個UML類圖。我需要以下類別：會員, 書籍，以及借閱。一位會員可以有多筆借閱記錄，而每筆借閱記錄都與一本書相關聯。請包含主要屬性，例如
書名,作者,會員編號，以及借閱日期.”
人工智慧聊天機器人回應，並建立三個類別及其基本關聯（例如，1..*介於會員與借閱)，立即定義核心資料關係。值得注意的是，AI主動新增了isbn至書籍以及到期日至借閱，提供比最初要求更穩健且完整的模型。
第二階段：對話式優化 – 增加複雜性與繼承
初始圖表雖可運作，但建築師察覺有兩項必要的重大優化：新增繼承用於媒體類型，並明確定義多重性限制用於商業規則。
優化提示：
- 引入繼承：為了處理未來的媒體類型（DVD、雜誌），設計需要一個抽象且可重用的結構。
「建立一個抽象類別稱為
圖書館項目。讓書籍以及一個新類別DVD，皆繼承自它。將共用屬性已預約：布林值移至父類圖書館項目.”
- 定義多重性約束（業務規則）：圖書館設定了明確的借閱限制。
「更新「
會員」與「借閱」之間的關聯，以反映最多可借閱五項的限制。多重性應更新為每位會員最多五筆借閱。」
優勢：這展示了人工智慧處理進階物件導向概念（如繼承）的能力，並能根據簡單的口語化業務規則準確修改關鍵的多重性符號。模型在無需手動圖示操作的情況下，成為精確且符合規範的結構藍圖。
第三階段：分析與實作 – 利用最終定稿的圖示
在結構模型確定後，類圖成為下游文件編製工作的唯一真實來源。人工智慧被用來直接將模型轉換為關鍵專案文件.
A. 產生功能需求文件（FRD）章節
類別、屬性和關聯定義了系統的範圍與功能。
分析提示：
「根據最終定稿的類圖中的類別、屬性和關聯，撰寫功能需求章節，詳細說明圖書館管理系統的範圍與資料實體，重點在會員註冊與借閱追蹤。」
優勢：此任務能立即將視覺化的結構模型轉換為FRD的正式章節，確保專案文件與核准的設計藍圖一致。
B. 產生技術資料字典
圖示中定義的特定屬性、資料類型與限制，構成了系統技術規格的基礎。
分析提示：
「產生一份技術資料字典文件章節，依據「
圖書館項目和貸款類別，列出每個屬性的名稱、資料類型以及簡短的業務定義。”
優勢： AI 提供開發人員和資料庫管理員所需的精確技術規格，利用 UML 模型中直接定義的資料類型和名稱，建立清晰且可立即實施的文件。
如需了解更多關於 UML 及其由人工智慧驅動的視覺化方法的資訊，請造訪我們的UML 資源中心.