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:
- 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
- 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。

