剑桥大学研究团队发表AI增强系统工程论文，提出将检索增强生成（RAG）与知识图谱系统融合，构建自适应架构归纳管道（Adaptive Architecture Induction Pipeline），用于模型驱动系统工程。
技术路径
该研究利用大语言模型（LLM）解释和转换非结构化数据为结构化MBSE产物，减少手动建模工作量。研究借鉴了SysML到知识图谱的转换实践和基于本体的语义层，构建统一的语义框架。
与以往静态规则转换或领域特定语义层的研究不同，该方案强调自适应的、LLM增强的系统架构合成，将LLM直接嵌入查询和建模过程，支持底层图谱的实时扩展和修改。
研究挑战
论文同时指出大型图谱的复杂性和可扩展性问题、异构数据格式与工具互操作性、本体开发与维护成本，以及专有数据格式和MBSE工具接口的学习曲线等研究空白。