一切从 AIGC(生成式 AI)试用 46 -- AI 与软件开发过程 1 开始,修正偏差。
个人理解:
-
从框架到细节,还是从细节到框架? -- 先有框架再有细节的好,LLM 能适应框架下的细节补充
-
更细节的 Agent,更有针对性的 Agent,解决更细节问题的 Agent -- LLM 提供了另一种形式的开发工具
-
想要,架构,细节,实现。。。。。。往复迭代,更多的接口,更多小而美的功能软件
-
回复有错吗?当然,错误和偏差大量存在。 如何纠偏、调优?这些专业知识 和 经验,还需要创造
-
先解决 3 问题
- 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 (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
确认各 LLM 的特点,以选择更有效的 LLM 完成任务。是否合适,边用边看边调整 -- 只用不花钱的官网 (GPT, Gemini)
- 豆包:日常协调
- 文心一言:资料查询
- DeepSeek:代码实现
- 通义千问:文档处理
| 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(图文 / 语音 / 视频)、与抖音 / 剪映 / 飞书生态打通、免费额度充足 | 日常问答、生活服务、短视频脚本、新媒体文案、会议纪要、快速办公、语音交互 | 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、与百度搜索深度融合、知识问答稳定、公文 / 法律 / 古文生成优秀 | 知识查询、资料整理、公文写作、法律 / 医疗咨询、学术文献梳理、热点解读 | 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、性价比极高、支持本地部署 | 代码生成 / 调试、算法设计、数学证明、科研推理、长文档分析、开发者工具 | 多模态弱、交互体验偏简洁、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、企业级服务成熟、与夸克搜索 / 阿里生态协同 | 专业文案、报告撰写、多语言翻译、企业办公、长文档处理、API 集成开发 | 个人端功能较保守、复杂任务响应偏慢 |
- 开始系统实现过程,实现自己最熟悉的 IT 开发过程
- 目标:构建一套软件测试管理系统
开始提问
- DeepSeek
- 遵从软件开发过程: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

