AIGC（生成式 AI）试用：AI 与软件开发过程
个人理解
- 从框架到细节：先有框架再有细节更好，LLM 能适应框架下的细节补充。
- Agent 的演进：更细节、更有针对性的 Agent 解决更具体问题，LLM 提供了另一种形式的开发工具。
- 迭代思维：想要、架构、细节、实现往复迭代，构建更多小而美的功能软件。
- 纠偏与调优：回复难免存在错误和偏差，需要专业知识与经验进行创造和修正。
核心问题确认
- 确认软件开发过程各阶段任务：选择不同 LLM 适配不同阶段。
- 问题定义与可行性研究 → 需求分析 → 软件设计 → 编码与实现 → 测试 → 部署与交付 → 运行与维护 → 退役
- 对应能力：文字分析/逻辑判定/文档/会议 | 代码生成/调试/评审/测试/报告 | 专业技术库/业务知识库
- 规避前期问题：
- 需求未明确前，避免代码生成，包括样例。
- 强化交互过程中 LLM 对所提问题的质疑 + 反馈 + 测试验证。
- 规范软件开发过程阶段活动执行，细化需求。
- 迭代实现，回溯对比验证。
主流 LLM 特点对比
| 模型名称 | 研发主体 | 核心特点 | 最适合任务 | 主要局限 |
|---|---|---|---|---|
| 豆包 (Doubao) | 字节跳动 | 响应极快、中文自然、多模态强、生态打通 | 日常问答、生活服务、短视频脚本、会议纪要 | 超复杂推理、深度科研能力一般 |
| 文心一言 | 百度 | 中文语义/文化理解强、搜索深度融合、公文优秀 | 知识查询、资料整理、公文写作、法律/医疗咨询 | 创意表达、多模态体验偏弱 |
| DeepSeek | 深度求索 | 代码/数学/逻辑推理顶尖、长上下文高效、开源透明 | 代码生成/调试、算法设计、数学证明、开发者工具 | 多模态弱、交互体验偏简洁 |
| 通义千问 | 阿里云 | 中文写作/翻译顶尖、长文本稳定、企业级服务成熟 | 专业文案、报告撰写、多语言翻译、API 集成开发 | 个人端功能较保守、复杂任务响应偏慢 |
系统实现案例：软件测试管理系统
目标
构建一套软件测试管理系统，遵循标准 IT 开发过程。
提问及回复约束
- 请以中文输出内容。
- 在没有明确要求输出代码前请不要输出任何代码。
- 在回复问题时请列举存疑内容并进行反问，直至疑问全部解决。
1. 问题定义与可行性研究
（略）
