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 |

