UML13- Page

什麼是人工智慧生成的UML類圖（以及它為什麼會改變一切）？ 人工智慧驅動的建模軟體的出現，已帶來一種范式轉變，改變了軟體工程師和系統分析師定義與呈現系統結構的方式。這一轉變的核心在於能夠從自然語言描述中生成UML類圖。這種能力——被稱為人工智慧生成的UML類圖——透過自動化將非正式需求轉換為正式且結構化的視覺模型，減輕了專業人士的認知負擔。 這種改變不僅僅是方便。它透過支援快速原型設計、早期階段驗證以及利益相關者與技術團隊之間的改善溝通，根本性地改變了軟體開發與業務分析的工作流程。其背後的技術依賴於對建模標準的深度訓練，使人工智慧能夠解讀使用者輸入中的語法與語義模式，並產生一致且標準化的圖示。 傳統的UML類圖需要明確定義類別、屬性、方法與關係。手動建立可能耗時且容易出錯，特別是在需求快速演變的動態環境中。現有的一種人工智慧UML圖示產生器能解讀自然語言——例如「一個包含書籍、作者與借閱的圖書館系統」——並產生結構化圖示，代表了效率與清晰度的重大進步。 自然語言圖示生成的理論基礎 自然語言圖示生成的基礎在於計算語言學與形式化建模的交叉領域。軟體工程領域的研究長期以來已認知到，需求通常以非結構化且具情境的語言表達。例如，系統分析師可能會將「病人管理系統」描述為： 「病人會被註冊，有預約，並可被診斷。醫生會指派診斷，且每個診斷都與一個治療計畫相關聯。」 將此類陳述分類為結構元素——實體、屬性、操作與關聯——既需要語法解析，也需要領域專門知識。 Visual Paradigm的人工智慧系統是根據既定的UML標準訓練而成，包含類別層次結構、繼承、封裝與多重性的語義。這使得系統能夠解析描述，並產生準確的人工智慧生成的UML類圖輸出結果，並符合形式化建模規則。該模型並非猜測，而是應用UML規範中的已知模式與限制。 在模型驅動工程（MDE）的研究中顯示，早期階段建模的準確性會直接影響後續開發品質。支援自然語言輸入的人工智慧建模軟體大幅縮小了商業敘述與技術模型之間的差距，使其成為學術與工業應用中可行的工具。 運作原理：來自軟體工程實務的真實案例 為說明實際應用，請考慮一項大學研究計畫中關於學生資訊系統的案例。 一群研究生被委派設計一個學生註冊系統的模型。他們在需求文件中記錄的輸入內容如下： 「學生註冊課程，擁有學術紀錄，並被分配至部門。每門課程都有課程代碼，學生可參與多門課程。部

一位軟體工程師如何透過AI追加建議學會理解UML 當梅亞第一次加入她的新創團隊時，她被交給一堆圖表——大多是UML用例圖與類圖——沒有任何說明。標籤密密麻麻，關係令人困惑，她完全不知道該如何解讀。『這不只是張圖表，』她心想。『這是系統運作方式的地圖。我必須先理解它，才能開始建構任何東西。』 她試著閱讀文件，但感覺就像在讀外語。沒有上下文，這些符號毫無意義。然後有一天早上，她打開瀏覽器，輸入到AI聊天機器人中： 「畫一個UML用例圖用於行動銀行應用程式。」 聊天機器人回應了一個清晰且標註完整的圖表，顯示使用者如客戶、員工與管理員與登入、轉帳、餘額查詢等功能互動。但這並未結束。 AI不僅僅畫出圖表，還問道： 「您想看看『登入』用例如何分解為驗證步驟嗎？」 「如果使用者遺忘密碼會發生什麼情況？」 「『轉帳』用例是否應包含一個驗證步驟來檢查帳戶餘額？」 這些並非隨機問題。它們是AI聊天機器人追加建議——智慧且具上下文感知的提示，旨在引導使用者深入理解模型背後的邏輯。 梅亞答應了第一個。AI擴展了圖表，顯示登入流程內的一連串步驟。接著，它又問道： 「是否能透過加入重設密碼選項來改善？」 「您會如何為不同使用者分配角色？」 每個追加問題不僅僅是增加細節——而是建立理解。AI不僅僅是產生圖表。它正在幫助梅亞看見背後的原因結構背後的原因。 那一刻改變了一切。 AI驅動模型建議在UML中的力量 UML不僅僅是形狀與線條。它是一種溝通——在開發人員、產品經理與利益相關者之間。當人們對圖表如何運作感到困惑時，合作的障礙就會增加。 使用傳統工具時，你往往只能根據假設來解讀圖表。但當你結合自然語言生成UML與AI驅動的模型建議，這個過程變得互動且直覺。 AI 不僅僅根據提示生成圖表。它會聆聽你的描述，並開始提出問題，幫助你探索其影響。例如： 「您是否想要在類之間加入依賴關係？」「 「您會如何修改這個 序列圖以包含錯誤處理？」「 「這個使用案例對單一使用者來說是否太複雜？我們是否應該拆分它？」「 這些問題並非預先編寫好的。它們是根據使用者的輸入和模型結構動態生成的。這創造了一個反饋迴圈，每一次互動都加深了理解。 這種方法對缺乏 UML 專家的團隊尤其強大。使用者不必依賴他人解釋每個符號，而是可以提問並獲得回應，從而建立自己的系統心智模型。 現實場景：AI 如何幫助新開發人員理解複雜系統

建立多層類別圖：人工智慧在複雜系統建模中的方法 在當今快速變化的軟體環境中，業務團隊面臨著快速且準確建模複雜系統的壓力。多層類別圖——用於呈現如表示層、業務層和資料層等分層架構——對於理解不同組件之間的互動至關重要。然而，手動建立這些圖表耗時且容易出錯，通常還需要深厚的領域專業知識。 這正是人工智慧驅動的圖表繪製發揮作用之處。透過合適的工具，團隊可以從緩慢且反覆的設計轉向快速且智慧的建模——同時不犧牲清晰度或精確性。這不僅僅是為了更快的產出；更是讓團隊能夠專注於戰略決策，而非機械式的設計。 為何多層類別圖在商業策略中至關重要 多層類別圖不僅是技術性產物。它們作為產品、工程與運營團隊之間的戰略溝通工具。當公司擴展其平台或引入新的功能層——例如將行動應用程式與後端服務整合——擁有清晰且結構化的組件互動視圖變得至關重要。 例如，一家銀行推出數位貸款平台時，必須了解使用者介面功能（如貸款申請）如何與業務邏輯（如信用評分）以及資料儲存（如貸款紀錄）互動。一個結構良好、清晰的多層類別圖可以在開發開始前揭示依賴關係、潛在瓶頸與風險。 若缺乏這樣的模型，團隊將面臨重複工作、技術負債以及目標錯位的風險。 人工智慧驅動的建模帶來更快、更安全的設計 傳統UML傳統的UML建模工具要求使用者手動定義類別、關係與層級——這個過程通常耗時數小時，且容易導致不一致。現在，人工智慧驅動的圖表繪製出現了，自然語言輸入即可觸發智慧建模。 這種方法背後的人工智慧模型是特別針對產業標準與實際系統設計訓練而成。當使用者提出問題時，「為一個具有表示層、業務層與資料層的金融服務應用程式生成一個多層類別圖，」系統會解析該請求，並根據最佳實務建立結構化且分層的圖表。 此功能對於人工智慧類別圖生成尤為強大，使非技術利益相關者也能參與系統設計。產品經理可以描述應用程式的流程，人工智慧則建立類別圖，顯示使用者操作如何轉化為資料操作與業務規則。 這並非猜測。人工智慧已接受數千個真實世界圖表的訓練，包括企業系統中的圖表。它理解層級、繼承與聚合的模式——使其非常適合建立多層類別圖以反映實際的架構行為。 實際應用：從商業需求到圖表輸出 想像一家零售公司正準備推出新的全通路平台。開發團隊需要繪製客戶資料、訂單歷史與庫存資料在不同應用層中如何被管理。 而非從零開始繪製類別圖，資深架構師以自然語言描述系統： 「我需要一個多層類別圖，

從腦力激盪到圖示：團隊如何利用人工智慧將流程概念以視覺方式捕捉 團隊通常會先列出一些想法——功能、風險、系統行為——再轉化為正式模型。從原始概念到可操作圖示之間的差距，是一個常見的瓶頸。透過人工智慧驅動的建模軟體，這一轉換過程變得透明、高效且具技術基礎。支援「腦力激盪到圖示工作流程的工具，已不再僅僅是方便——在現代軟體開發與系統設計中，它們已成為不可或缺的要素。 本文著重探討團隊如何利用人工智慧聊天機器人，將抽象的流程概念轉化為精確且標準化的圖示。我們將檢視這些工具的技術基礎，強調實際應用案例，並展示如何運用特定的建模標準，以確保清晰性與正確性。 為何人工智慧圖示工具對技術團隊至關重要 傳統的建模工具要求使用者手動定義類別、用例或部署層等元素。這個過程容易出錯，特別是在想法仍在演變時。團隊可能花數小時繪製一個順序圖卻發現它並未反映實際的系統互動。 人工智慧圖示工具透過解析自然語言輸入並根據上下文生成精確圖示，消除了這種摩擦。此能力使工程師能夠： 迅速從高階討論轉化為結構化呈現。 透過即時的視覺反饋來驗證假設。 在開發週期早期進行設計迭代。 這些工具在設計輸入來自非技術利益相關者或跨功能討論的環境中尤為有效。例如，產品經理可能描述使用者旅程，人工智慧便生成相對應的活動圖，工程師可進行審查與優化。 人工智慧聊天機器人在捕捉流程概念中的角色 此工作流程的核心是一個人工智慧聊天機器人，其訓練基於既定的建模標準。當使用者輸入描述——例如「顯示一個用例圖，用於客戶下訂單」——系統會解析文字，識別關鍵參與者與互動，並產生一個UML用例圖，且符合正式語義。 此過程由針對特定領域的人工智慧模型驅動，這些模型訓練於 UML、ArchiMate以及 C4 等標準。每種圖示類型皆受嚴格的語法、語義與組合規則所規範。例如： 在一個UML 類別圖，屬性和方法必須正確地歸屬於類別。 在一個C4 系統上下文圖，組件必須放置在正確的空間關係中。 這些約束確保生成的圖表不僅具有說明性，而且在技術上也是有效的。 AI 不僅僅生成視覺圖像——它還能解讀意圖。它支援自然語言轉換為圖表轉換，透過識別語言中與模型構造對應的模式。 現實世界工作流程：從構想到 UML 圖表 想像一支軟體團隊正在開發一個新的電子商務平台。在一個sprint規劃會議中，一位開發人員建議： 「我們需要展示使用者結帳的過程，包括選擇商品

為您的下一個應用程式建立模型：請AI為您建立類別圖 想像一下，您正要開始開發一個新應用程式——一個健身追蹤平台，使用者可以記錄訓練、設定目標並獲得回饋。您還沒有專家團隊。您也還沒有完整的模型。但您確實對應用程式中應該發生的事有明確的想法。 您坐下來說：“我需要一個類別圖，用於追蹤訓練、儲存使用者資料並發送通知的健身應用程式。” 您不必再在紙上畫圖或盯著空白螢幕，而是直接詢問AI。它便迅速、清晰且精準地建立出圖表。 這就是AI驅動的建模軟體的威力。它利用自然語言轉換為圖表將您的想法轉化為結構化圖表。無需先前的建模知識。 什麼是AI驅動的建模軟體？ 一種AI驅動的建模軟體不僅僅是繪圖工具。它會聆聽您的描述——用白話英文——並將其轉化為專業圖表。 使用此工具，您可以請AI建立類別圖根據簡單的說明。AI了解軟體系統的結構，並應用建模標準來建立準確且符合現實的呈現。 這並非魔法，而是訓練。AI已從數千個實際的軟體設計中學習，因此知道如何分組類別、定義關係，並辨識核心元件，例如屬性和行為。 何時該使用此工具？ 當您有以下情況時，請使用此工具： 啟動新專案，需要了解系統各部分之間的連結方式。 向非技術背景的利益相關者或團隊成員解釋系統。 撰寫文件時，需要搭配視覺圖表。 在建立完整程式碼庫之前，先進行功能原型設計。 例如，一位新創公司創辦人可能會說：“我想建立一個任務管理器。使用者建立任務，指派給團隊成員，並追蹤進度。該如何建模？” 然後AI回應一個乾淨、準確的UML類圖顯示類別如Task, User, Project，以及它們之間的關係。 不需要了解UML語法。只需描述系統即可。 為什麼這比傳統工具更好 傳統工具需要一步步的流程：選擇形狀、拖曳、連接線條。這可能感覺緩慢、容易出錯且令人畏懼。 這個用於圖表的AI聊天機器人消除了這種障礙。你不需要記住符號或規則。你只需描述你想要的內容。 例如： 「為一個電子商務網站生成一個類圖，包含使用者、產品、訂單和付款。」 AI會根據以下內容建立圖表： 類別如User, Product, Order 關係如「使用者下訂單」

節省數小時的建模時間：AI聊天機器人 vs. 手動UML繪圖 想像你是一名剛開始新專案的軟體開發人員。你需要規劃使用者與系統之間的互動方式。你打開一份文件，拿起筆，開始繪製。你為使用者畫一個矩形，再為登入畫面畫另一個。接著加上箭頭、標籤，以及幾個其他參與者。花了你45分鐘。結果卻很凌亂。圖形沒有對齊，關係也不清楚。你不得不回去修改兩次。 這就是手動UML繪圖的現實。它耗時、容易出錯，而且當其他人需要理解你所繪製的內容時，常常會產生混淆。 現在，試試這個方法： 你說：「繪製一個UML用例圖，用於一個銀行應用程式，其中使用者登入、轉帳並查詢餘額。」 幾秒鐘後，一個乾淨、專業的圖表出現——包含參與者、用例以及清晰的關係。 這並非魔法。這是AI驅動的建模軟體在運作。 什麼是用於UML的AI聊天機器人？ 用於UML的AI聊天機器人是一種工具，能聆聽你對系統的描述，並生成準確且標準化的UML圖表——例如用例圖、序列圖或活動圖——而無需你畫出任何一條線。 這不僅僅是文字轉圖表的工具。它理解建模標準，知道如何邏輯性地分組元素，並應用最佳實務。無論你是開發人員、產品經理還是學生，聊天機器人都能幫助你在幾分鐘內將想法轉化為視覺圖表。 它並非取代對UML的深入理解。它是一種輔助工具——如同副駕駛，減輕繪圖的壓力，讓你專注於真正重要的事：系統的行為。 何時應該使用AI圖表工具？ 當你需要： 在腦力激盪時快速呈現系統的視覺化圖表 與不熟悉UML的利害關係人分享概念 在投入程式碼之前驗證設計 向非技術團隊解釋一個流程 舉例來說，一家新創團隊想要展示他們的應用程式如何運作。他們不必花數小時繪製草圖，而是描述流程： 「使用者開啟應用程式，登入，看到儀表板，並能傳送訊息。」 AI會生成一個序列圖，僅需幾秒鐘。團隊現在可以自信地進行展示。 這在設計新功能或讓新成員入職時尤其有用。 手動繪製 UML 圖的難度正在增加 手動繪製 UML 圖曾是常態。過去，開發人員會花數小時排列形狀、對齊並添加文字。如今，這種努力已不再必要。 手動繪製需要大量時間與精確度，容易出錯——例如遺漏依賴關係或錯誤的參與者關係。同時也為非技術使用者設下進入門檻。

再見了，白板：我們的AI聊天機器人如何在幾秒內生成狀態圖 想像一下，你正在開發一個智慧家居裝置。這個裝置需要回應使用者的指令——例如「打開燈光」或「進入睡眠模式」。但它是如何知道該做什麼的呢？它會在不同的狀態之間切換：關閉、開啟、睡眠或運行中。在白板上手動繪製這一切需要花費時間。你會陷入細節中，而你的團隊成員可能無法理解整個流程。 這正是AIUML聊天機器人發揮作用的地方。再也不用費力地摸索圖形或猜測轉移的含義。只需用簡單的語言描述情境，工具就能在幾秒內生成清晰且準確的狀態圖狀態圖。 這正是AI驅動的建模軟體的真正意義所在——將現實世界的邏輯轉化為視覺上的清晰呈現，而無需繁瑣的設定或設計成本。 為什麼狀態圖在實際工作中如此重要 狀態圖幫助系統理解其隨時間的行為。無論是使用者介面、機器還是軟體元件，了解它如何從一個狀態轉移到另一個狀態至關重要。 對於開發人員、產品經理或UX設計師而言，狀態圖是解釋以下內容的首選工具： 系統可能處於的狀態（狀態） 它何時在狀態間切換（轉移） 觸發變化的因素（事件） 當它處於某個狀態時會發生什麼（動作） 若沒有清晰的視覺呈現，討論容易偏離主題。人們會假設自己了解流程，但實際上這些資訊往往藏在會議筆記或口頭描述中。 AI聊天機器人如何建立狀態圖 這個過程非常簡單。你不需要懂UML或建模。只需像對同事說話一樣與系統對話。 例如，試試這個： 「為一個智慧恆溫器建立狀態圖。它從『關閉』模式開始。當使用者開啟時，會根據溫度切換至『加熱』或『冷卻』模式。如果溫度過高，它會切換至『冷卻』模式並保持在此狀態，直到達到目標溫度。若溫度下降，則會切換回加熱模式。」 AI聊天機器人會聆聽、解析語意，並生成包含以下內容的狀態圖： 明確的狀態：關閉、加熱、冷卻 由溫度或使用者輸入觸發的轉移 事件與動作的標籤 這正是用於繪圖的AI聊天機器人所做的事——理解自然語言，解讀上下文，並呈現正確的UML結構。 你還可以進一步優化。例如，你可能會問： 「當房間溫度降至閾值以下時，新增從冷卻到關閉的轉移。」 該工具會相應地更新圖表。它並非靜態的。您可以持續提問、調整和迭代——就像一場對話一樣。 什麼讓這款人工智能驅動的建模軟體脫穎而出 其他工具要求您熟悉語法或範本。您可能需要花上數小時手動設置圖表。 Visual Paradigm 的人工智能聊天機器人改變了這一切。它旨在理解

UML的持久影響：人工智能如何改變現代開發實務 在軟體工程領域中，很少有符號能像統一模型語言（UML）。於1990年代中期提出，作為一種標準化方法，用於視覺化、規格化、建構與文件化軟體系統的各項成果，UML源自於在物件導向開發日益複雜的背景下，對清晰與一致性的迫切需求。它從一組零散的方法演變為全球公認的標準，反映了我們設計與建構軟體方式的動態演進。 什麼是UML及其目的？ UML是一種用於軟體與系統設計的標準化圖形符號系統，用以提供系統的視覺藍圖。它作為開發人員、架構師與利害關係人之間的共同語言，幫助理解、溝通與文件化系統的結構、行為與架構。其主要目的在於簡化複雜系統的建模，促進跨各領域（不僅限於軟體）的分析、設計與部署。 UML在數十年間的演變 UML的起源可追溯至1980年代至1990年代初期的「方法之戰」，當時眾多物件導向分析與設計（OOAD）方法爭相主導。格雷迪·布奇、伊瓦·雅各布森與詹姆斯·倫巴ugh——被合稱為「三位好友」——最初的努力促成了他們各自方法（布奇法、OOSE、OMT）的整合，於1996年形成UML 0.9版本。隨後，物件管理小組（OMG）於1997年採用該標準，使UML 1.0正式成為產業標準。 UML 1.x提供了結構與行為建模的基礎圖表集合。其主要價值在於減少模糊性並提升開發團隊內部的溝通效率。隨著軟體開發的成熟，特別是迭代與敏捷方法的興起，對更具彈性與表達力的建模能力的需求日益增加。這促使UML 2.x進行重大革新，引入新的圖表類型，優化既有圖表，並提升語言整體的可擴展性與精確度。此版本回應了企業系統規模日益擴大的挑戰，以及架構設計中對更細緻層面的描述需求。 在現代開發中何時應運用UML UML在整個軟體開發生命週期中仍極具相關性，從最初的規格收集到系統部署與維護皆適用。它在以下情況尤為珍貴： 設計複雜系統：將複雜的架構分解為可管理且具視覺化的元件。 溝通設計：彌合技術與非技術利害關係人之間的隔閡。 文件化系統行為：清楚地展示元件之間如何互動以及資料如何流動。 分析現有系統：逆向工程或理解遺留程式碼庫。 促進團隊協作：為分散式團隊提供共通的視覺語言。 現代開發通常以敏捷迭代與持續整合為特徵，極大受益於UML的清晰性。例如，一個精心設計的序列圖可釐清微服務架構中複雜的非同步互動，而一個元件圖則可定義服務邊界與依賴關係。 AI驅動建模軟

UML建模：軟體工程成功的戰略要務 在當今快速變化的商業環境中，軟體開發專案經常面臨複雜的挑戰：溝通誤解、範圍蔓延和意外延遲。這些問題會迅速削弱專案的投資回報率，並影響競爭優勢。你是否曾想過如何從一開始就為你的軟體計畫帶來清晰與精確？一個統一建模語言（UML）模型通常就是答案。 本文深入探討了UML在軟體工程中的戰略重要性，展示它如何能夠轉化你的開發流程。我們將探討Visual Paradigm的AI驅動建模軟體，是達成這些戰略目標的首選解決方案，能提升效率並確保專案成功。 什麼是UML模型？ UML模型是一種標準化的視覺語言，用於指定、視覺化、構建和記錄軟體密集型系統的各項成果。它為軟體開發提供藍圖，使團隊能夠在不同利益相關者之間清晰且一致地溝通複雜的設計、架構和行為。 UML在軟體開發中的戰略價值 對於任何投入軟體開發的組織而言，理解並運用UML不僅僅是技術細節，更是一項影響營運成果的戰略決策。 何時應運用UML建模 UML模型在軟體開發生命週期的幾乎每個階段都極具價值，從最初的構想到部署與維護。它們在以下情況尤其關鍵： 定義系統需求：明確闡述系統應具備的功能（例如，使用用例圖）。 設計系統架構：規劃組件之間的互動方式（例如，類圖、組件圖、部署圖）。 呈現系統行為：展示流程如何流動或物件如何隨時間互動（例如，活動圖、序列圖）。 促進團隊協作：為開發人員、業務分析師和利益相關者提供一種共同語言。 系統文件化：為未來參考或新進人員培訓，建立精確且易於理解的文件。 為什麼UML是一項戰略優勢 採用UML建模可帶來具體效益，直接轉化為商業成果： 降低開發成本：透過早期識別設計缺陷與不一致之處，UML有助於避免開發週期後期產生昂貴的返工。 提升專案效率：清晰的溝通與明確的設計可簡化開發流程，減少誤解並加快交付速度。 增強的系統品質：詳細的模型可帶來更具彈性、可靠且易於維護的軟體系統。 更佳的利益相關者協調：視覺化模型彌補技術團隊與非技術利益相關者之間的差距，確保所有人對專案目標保持一致。 競爭優勢：能夠快速且可靠地交付高品質軟體的組織，在市場上將獲得顯著優勢。 Visual Paradigm：您最佳的AI驅動模型軟體 Visual Paradigm 是領先的 AI 驅動模型軟體，專為簡化 UML

如何使用AI在UML中生成活動圖 想像一下，你正在為你的團隊規劃一個新流程——例如處理客戶投訴。你知道其中的步驟，但將它們以正式圖表形式寫下來卻像是項苦差。如果只需用白話文描述流程，工具就能自動完成其餘部分，會怎麼樣？ 這正是AI驅動的建模軟體所能做到的。使用Visual Paradigm AI，你不需要記憶UML規則或手動繪製每個元件。你描述流程，AI就會立即生成精確的活動圖——包含動作、決策點與流程線——立即完成。 這並非魔法，而是自然語言圖形生成的實際應用。無論你是產品經理、開發人員或業務分析師，現在都能利用AI更快、更輕鬆地呈現流程。 什麼是AI活動圖？ 活動圖顯示任務如何隨時間展開。它包含動作、決策、迴圈與平行流程。傳統上，這些圖形需手繪或使用具有嚴格語法的建模工具繪製。 但透過AI，你可以從簡單描述中生成這些圖形。例如： 「請展示一個客戶線上訂購的活動圖。」 AI理解這個流程：客戶選擇商品 → 加入購物車 → 結帳 → 提交付款 → 收到確認。 接著，它會建立具有清晰流程、決策點（例如「付款是否成功？」）與動作的圖形。 這就是AI活動圖誕生的方式——不是透過複雜規則，而是透過現實世界中的語言。 何時應使用AI生成活動圖？ 當你符合以下情況時，應使用AI生成的活動圖： 需要快速呈現新的業務流程 正在向不熟悉建模的團隊成員描述工作流程 希望探索流程中的不同路徑（例如錯誤處理或使用者重新輸入） 處於系統設計的早期階段，需要驗證流程 例如，物流團隊可能會說： 「我想展示送貨司機如何規劃路線至客戶、檢查交通狀況，以及在延遲時如何應對。」 AI會生成一個圖形，顯示起始點、交通檢查、延遲決策，以及重新規劃路線或聯絡主管的選項。