软件工程3.0实践之路
（软件工程1.0、2.0和3.0的定义）
自从2023年3月22日——我提出软件工程3.0之后，我陆续写了一些文章，例如：
“软件工程3.0”之下软件开发范式
软件工程3.0宣言（附演讲PPT）
10倍效能不是梦：“软件工程3.0”之下软件研发
关于“软件工程3.0” 三大支柱和两点说明
等，而且，“软件工程3.0” 也相继被华为、腾讯、中兴等大厂，以及中国信通院、应用现代化产业联盟等机构或组织所接受。
但 “如何落地实施软件工程3.0” 是许多企业所关心的。从宏观流程角度去看，其实这个过程比较简单，即在软件研发和运维之前，先训练、部署自己的软件研发大模型和运维大模型，然后再进行研发和运维。
（软件工程3.0的开发范式）
从宏观技术架构/框架看，可以分为4个层次：
- 构建好支持大数据、AI的基础设施
- 训练、部署、运维LLM（LLMOps）
- 采用先进的AI开发平台，例如LangChain、Hugging Face等；
- 运用有效的LLM技术，主要有4个方向的技术，如图所示。
（LLM赋能软件工程的技术框架）
但具体如何做，我们需要多篇文章逐步介绍，这也就是本文标题为什么要加上“（一）”的原因，后续会从业务需求、用户需求出发，逐步深入到需求分析与定义、技术架构/UI/功能设计、代码补全/生成/解释/评审、测试设计辅助/测试用例生成/测试脚本生成、缺陷定位与修复、运维监控（日志分析），逐步展开介绍在软件研发和运维活动中如何运用大模型。
之前「2023年软件研发应用大模型」国内现状调查 （关注本公众号，在消息中输入“应用LLM现状”获取）的结果看， 国内超过2/3的团队在软件研发团队中使用大模型（LLM）技术，而且在软件开发的各个生命周期，LLM技术都发挥了作用，为提升软件研发的质量和效能带来显著的作用。
（来源：AiDD组委会和本公众号等的《2023年软件研发应用大模型-国内现状调查报告》）
根据中国信通院的调查数据看，软件生命周期也被全覆盖，而且效率提升也明显，需求、运维提升20-30%（中位数）、开发、测试的效率提升更明显，超过40%（中位数）。如果看最大值，超过了70%，接近100%。
（来源：银弹案例数据、中国信通院发放的调查问卷数据、企业走访调研数据等）
不论是从效率提升还是从企业应用面来看，软件开发和软件测试是普遍采用LLM技术、效果好的领域。
（软件工程各阶段AI技术应用比例，来源：银弹案例数据、中国信通院发放的调查问卷数据、企业走访调研数据等）
如果进一步去看软件研发、测试应用LLM技术的效果看，LLM在编程上的应用，“代码补全”、“函数级代码生成”分别排在第一、第二的位置(均超过55%)。其次，分 别是代码修复、代码评审、遗留代码解释、代码优化等。代码采用率超过30%的比例达到了36%，效率显著提升（超过20%）的比重达到46%以上，LLM在编程环节获得良好收益的可能性有望达到80%。概括起来，LLM在编程 上的应用值得去投入。
（来源：AiDD组委会和本公众号等的《2023年软件研发应用大模型-国内现状调查报告》）
（来源：AiDD组委会和本公众号等的《2023年软件研发应用大模型-国内现状调查报告》）
LLM在测试应用上，生成测试用例遥遥领先(超过了代码补全)，达到了62.9%。其次是生成测试脚本。测试效率提升明显的(超过20%)比重达到了43.7%，比开发略低(开发是46%)。
（来源：AiDD组委会和本公众号等的《2023年软件研发应用大模型-国内现状调查报告》）
（来源：AiDD组委会和本公众号等的《2023年软件研发应用大模型-国内现状调查报告》）