AIGC（生成式 AI）试用：AI 与软件开发过程
一切从如何验证 AI 开发提交的结果开始。什么能保证软件质量？是靠人还是靠过程？AI 的出现会彻底推翻或舍弃原有的软件开发过程吗？不妨实际应用，验证之。
一、AI 交互体验与需求确认
在提问过程中，发现 AI 回复有时会出现严重偏离核心内容的情况（如模块列表错误）。经验表明，需要更细致的纠错，提问的步骤和粒度需要更小一些。多 Agent 介入可能会更有效、准确地提供问题回复。
1. 向 DeepSeek 提问：软件测试管理系统设计
问题 1： 请为我设计并开发一套软件测试管理系统。在输出结果前，请先向我提问以确认需求不明确的内容。
AI 回复摘要： AI 首先确认了 5 个核心问题，包括管理范围（手工/自动化）、核心痛点、集成环境（Jira/GitLab/Jenkins）、报表需求及部署方式。基于此，AI 建议按软件开发全流程（需求分析→设计→开发→测试→部署→运维）进行设计。
问题 2： 用户补充需求：C（手工 + 自动化），ABCD+E（融入全过程 + 工时分析），AB（集成 Jira/GitLab），ABCD（报表），本地私有部署，500 人团队，Python+Django+Vue。
AI 回复摘要： AI 识别出潜在问题：
- Python + Django 在高并发下的性能瓶颈（建议引入 Celery, Redis）。
- 自动化测试集成的技术选型（后端只负责触发和结果回写）。
- 工时记录的准确性挑战（建议增加计时器功能）。
问题 3： 用户确认：GitHub + SVN + Jenkins，概览模式 + 自动推算工时，混合型组织结构。
AI 回复摘要： AI 输出了全流程设计方案，包含代码示例：
- 需求追踪矩阵设计：Python models.py 关联需求与用例。
- 数据库核心表设计：SQL 建表语句（test_case, test_execution）。
- 代码提测流程：views.py API 接口设计。
- Bug 全生命周期管理：状态机逻辑。
- 工时自动推算算法：WorkloadCalculator 类。
- 实时质量大盘：Vue Dashboard 组件。
- 私有化部署方案：docker-compose.yml 配置。
问题 4 & 5： 用户调整定位为'个人 PC 单机演示'，使用 SQLite，Windows 系统。
AI 回复摘要： AI 重新调整设计，简化并发设计，提供 Windows 个人 PC 开发环境构建步骤：
- 安装 Python 3.10+, Git, Node.js, VS Code。
- 创建项目结构（backend, frontend, data, scripts）。
- 初始化 Django 项目（requirements.txt, settings.py 配置 SQLite）。
- 初始化 Vue 前端（Vite, Element Plus）。
- 启动服务与验证。
2. 向千问提问：软件生存周期理论
问题： 软件生存周期包括哪些阶段？各阶段包括哪些活动？
AI 回复摘要：
| 阶段名称 | 阶段目标 | 主要活动 | 典型输出/交付物 |
|---|---|---|---|
| 1. 问题定义与可行性研究 | 判断项目是否值得启动 |
