大语言模型已应用于代码生成等软件开发任务，需求描述的质量是影响生成效果的重要因素。面向空间科学探测任务，星载有效载荷数据管理软件的需求分析需结合任务要求、载荷功能和设备接口，完成软件功能、数据处理、接口交互及运行条件分析，并依据行业标准编制需求规格说明。这类软件的需求信息分散于系统组成和设备功能等工程描述中，部分软件功能、处理条件及需求间的关系还需结合航天领域知识与专业分析经验确定。已有研究通过知识增强与多智能体协作支持需求开发。本文面向星载有效载荷数据管理软件，提出一种知识增强的大模型多智能体方法，辅助完成需求分析与需求规格说明生成。
参照航天软件需求开发团队的分工协作，设计任务解析、知识检索、需求分析、需求审查和规格生成五类智能体，协同完成需求获取、需求分析、需求审查和需求规约四项需求活动。
知识增强分别通过航天领域知识检索、需求分析技能和需求规格知识图谱实现。知识检索智能体依据任务解析结果，从航天领域知识库检索与目标软件、设备、接口及工作模式相关的工程证据，保留证据来源与适用范围，与任务书一同纳入需求分析和需求审查智能体的上下文。需求分析方法论以结构化分析为基础，在专家参与下，经大模型辅助归纳与人工修订，从研制任务书及对应需求规格说明书中提炼功能分解、接口分析、数据流分析和工作模式分析等方法，并作为程序性知识，按分析对象、操作步骤、检查项和输出要求组织为可调用技能，供需求分析智能体结合工程证据识别软件职责、细化需求。需求规格知识图谱依据GJB 438C，经大模型辅助抽取与人工校核构建，以实体和关系表示章节内容要求及跨章节关联。需求分析智能体通过图谱查询获取标准要求，需求审查智能体依据同一要求检查候选需求的内容覆盖与关联关系，并反馈条目级修订意见。
多智能体采用基于黑板的消息驱动通信机制，以黑板作为共享工作空间，统一存储任务工件与执行状态。各智能体完成任务后，将输出工件写入黑板、更新执行状态并发布通知消息；相关智能体响应消息，从黑板读取所需输入，触发相应需求活动。
针对多轮分析中的上下文累积问题，采用基于黑板的外部记忆机制，通过递归摘要持续整合前序分析结果与新增信息；并将更新后的摘要用于后续智能体的分析与审查，同时保留完整分析工件，以兼顾历史信息复用与需求可追踪性。
选取两个真实型号的星载有效载荷数据管理软件，开展对比实验与知识消融实验，从正确性、完整性、一致性和可追踪性四个方面评价生成结果。实验覆盖DeepSeek、GLM、Qwen和GPT系列主流大语言模型，并在本地部署的Qwen3-32B模型上验证。结果表明，相较于直接使用大语言模型，所提方法在正确性、完整性、一致性和可追踪性方面均取得改善，整体需求质量得到提升。

大语言模型,星载软件,软件需求分析,多智能体,检索增强生成