AIGC 试用 47：AI 辅助软件开发流程实践

AIGC（生成式 AI）试用 47 -- AI 与软件开发过程 2

核心观点

在利用 LLM 进行软件开发时，建议遵循以下原则：

• 框架优先：先确立整体架构，再由 LLM 补充细节。
• 针对性 Agent：使用更细分的 Agent 解决具体问题，LLM 是新型开发工具。
• 迭代纠偏：架构、细节、实现需往复迭代，通过专业知识修正错误和偏差。

一、软件开发各阶段与 LLM 选择

确认软件开发过程各阶段所需完成的任务活动，以选择不同 LLM：

1. 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
2. 任务匹配：
   • 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。

主流大模型特点对比

模型名称	研发主体	核心特点	最适合任务	主要局限
豆包	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	中文语义强、搜索深度融合、知识问答稳定	知识查询、资料整理、公文写作、法律咨询	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	代码生成/调试、算法设计、科研推理	多模态弱、闲聊能力一般
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	专业文案、报告撰写、多语言翻译、API 集成	个人端功能较保守、复杂任务响应偏慢

二、系统实现过程实践

以构建一套软件测试管理系统为例，采用熟悉的 IT 开发过程，全程引导 LLM 完成任务。

1. 提问及回复约束

• 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、寻求答案，直至存在任何疑问全部解决。