一、大模型的優(yōu)勢
從前期對使用角度來看GPT等大模型，對于邏輯簡單，描述步驟越清晰、經(jīng)驗總結(jié)性、以及標(biāo)準(zhǔn)模型模版類的問題GPT更有優(yōu)勢；回答的更全面、更詳細(xì)，但有時GPT也會把一些過時理論或經(jīng)驗也一起參雜在大部分正確的答案中，需要人工輔助評審糾正。對一些邏輯比較復(fù)雜、決策影子較多的事物或者事項、以及涉及到感情或者心理行為的事情從目前測試結(jié)果上還是有進一步發(fā)展空間。總結(jié)起來chatGPT目前優(yōu)勢：
優(yōu)勢：
標(biāo)準(zhǔn)化的工藝流程
描述越清晰的信息
基于之前的資產(chǎn)沉淀和經(jīng)驗
日常工作助手
劣勢：
邏輯比較復(fù)雜的業(yè)務(wù)
決策因子比較復(fù)雜的工作
涉及到感情或者心理行為的工作，如驗收測試
本次研討會主要從提升軟件開發(fā)工藝和提升日常工作效率兩個角度進行討論總結(jié)。
二、大模型在軟件開發(fā)標(biāo)準(zhǔn)工藝流程應(yīng)用
根據(jù)chatGPT試用、測試結(jié)果以及優(yōu)勢劣勢分析來看，結(jié)合軟件研發(fā)標(biāo)準(zhǔn)流程中的V模型維度來看，在需求、設(shè)計、開發(fā)編碼、單元測試、集成測試、UAT測試。ChatGPT等大模型在研發(fā)流程中應(yīng)用的程度體現(xiàn)出：“中間階段比較容易實現(xiàn)，在兩端比較難實現(xiàn)”。
在研發(fā)標(biāo)準(zhǔn)流程中比較容易做的事情：
設(shè)計階段：各種設(shè)計圖，比如類圖、時序圖、ER圖等，這些人工畫起來比較費時費力的工作，chatGPT按照模版化流程、標(biāo)準(zhǔn)格式描述很容易自動生成各種圖表。
編碼階段，基于chatGPT代碼編寫、輔助之前的各種代碼生成工具，可以按照要求很快的生成各種組件代碼和部分業(yè)務(wù)代碼；同時可以利用ChatGPT進行代碼檢查與評審工作。
單元測試：根據(jù)業(yè)務(wù)代碼生成測試代碼和測試數(shù)據(jù)
集成測試：
1）業(yè)務(wù)測試用例生成
測試用例生成：對于確定的需求，描述清楚的測試大綱，很容易進行自動化用例的生成轉(zhuǎn)化。
測試數(shù)據(jù)腳本的自動生成。
2）基于測試經(jīng)驗的能力復(fù)用
測試用例推薦，對于相對穩(wěn)定的產(chǎn)品如銀行存款、貸款等產(chǎn)品，根據(jù)之前測試經(jīng)驗以及學(xué)習(xí)計算，在測試執(zhí)行時，自動生成測試用例的推薦，然后通過人工微調(diào)確認(rèn)。
測試用例執(zhí)行時序和執(zhí)行策略推薦：
測試數(shù)據(jù)生成腳本的自動生成
3）通用產(chǎn)品支撐
組件測試用例生成
測試數(shù)據(jù)自動生成
自動化測試腳本的自動生成
需求階段：需求可分為兩種方式，一種是通過業(yè)務(wù)架構(gòu)師或者產(chǎn)品專家構(gòu)建規(guī)劃的產(chǎn)品，一種是基于用戶需求轉(zhuǎn)化的產(chǎn)品，對于前者一般產(chǎn)品結(jié)構(gòu)復(fù)雜，很難一次想清楚所有的需求；而對于后者，因為用戶個性化和喜好不同，需要通過大量的測試驗證，才能真正確定，比較難以通過大模型或者GPT進行生成，但可以通過GPT進行輔助工具進行優(yōu)化調(diào)整需求。
UAT測試階段：要驗證產(chǎn)品是否滿足用戶需求，更多的是通過用戶感知，是一種非理性的行為方式，很難用沒有感情工具替代。
三、大模型在日常工作中的應(yīng)用
除了在軟件研發(fā)流程中GPT能發(fā)揮很大的作用，對我們?nèi)粘９ぷ饕灿泻艽蟮膸椭?，在工作中可以充?dāng)工作助手。
工作思路提示：如某些新課題或者未知的領(lǐng)域，通過ChatGPT給出一些關(guān)鍵字提示，有利于我們?nèi)娴?、深入思考?/p>
日常工作助手：幫助我們寫一些簡單SQL語句、簡單的代碼等，可以幫助我們提升日常工作的效率
資料材料大綱和模版：如匯報材料、工作總結(jié)等大綱編寫，日報、周報等日常工作。
四、各大公司大模型的應(yīng)用實踐思考
在最后的總結(jié)階段，欒總提出通過討論分析認(rèn)為“在軟件研發(fā)流程中。ChatGPT在中間留出發(fā)揮作用更大，在兩端發(fā)揮的作用更小一些”，但為什么各大銀行都在兩端發(fā)力，而沒有在中間發(fā)力？請大家也認(rèn)真思考下。
