39、大语言模型助力软件开发：前景、挑战与实践

大语言模型助力软件开发：前景、挑战与实践

1. 引言

传统的软件工程是高度依赖人力的手动过程，涵盖从需求收集分析到系统设计、实现和测试等一系列活动。近年来，人工智能的发展催生了强大的自然语言处理模型，即大语言模型（LLMs），如OpenAI的GPT和Google的Bard。这些模型为软件工程带来了新的应用可能，与传统软件开发支持不同，基于LLM的开发环境是基于意图和对话式的交互。

LLM辅助软件工程有望在整个软件生命周期中以对话方式为开发者提供专业知识支持。其愿景是引发软件开发的范式转变，LLM与其他工具协作，在软件各阶段助力人类开发者。不过，要实现这一愿景，还需克服诸多挑战，若挑战得以解决，可能会出现三种整合场景：一是将现有的LLM集成到常规软件开发的标准工具中；二是将其融入标准软件工程流程，使LLM承担部分专家角色，取代一些人类专家；三是将其融入软件开发的每个阶段，使人类开发者的角色转变为AI驱动软件开发过程的管理者。

2. 大语言模型在软件工程中的应用前景与现状

2.1 需求工程

需求工程是软件开发系统中的关键过程，LLM能在多个方面显著促进该过程：
- 提取与引出 ：
- 实验表明，经过少样本学习训练的LLM在从文档中提取规范方面比现有技术（如Jdoctor和DocTer）效果更好。
- LLM可用于支持系统规范和敏捷开发中其他工件（如史诗、故事和任务）的细化。例如，通过提示LLM提问来识别和填补系统规范中的空白，且细化过程可根据不同角色（如开发、测试和安全）进行定制。
- 利用LLM的翻译和总结能力生成系统概念，通过适当提示，它能按系统目标、利益