1. Las ventajas de los modelos grandes.
A juzgar por el uso de modelos grandes como GPT en la etapa inicial, GPT tiene más ventajas para preguntas con lógica simple, pasos de descripción más claros, resumen de experiencias y plantillas de modelos estándar; la respuesta es más completa y detallada. Pero a veces GPT también mezcla algunas teorías o experiencias obsoletas con la mayoría de las respuestas correctas, lo que requiere revisión y corrección manual. Todavía hay espacio para un mayor desarrollo basado en los resultados de las pruebas actuales para algunas cosas o elementos con una lógica más compleja y más sombras de toma de decisiones, así como cosas que involucran emociones o comportamientos psicológicos.
Para resumir las ventajas actuales de los modelos grandes:
1) Ventajas:
Proceso estandarizado
Cuanto más clara sea la descripción
Basado en la acumulación de activos y la experiencia previa.
asistente de trabajo diario
2) Desventajas:
Negocios con lógica compleja
Los factores de toma de decisiones son un trabajo más complejo.
Trabajo que involucra comportamiento emocional o psicológico, como pruebas de aceptación.
Este artículo analiza y resume principalmente desde dos perspectivas: mejorar la tecnología de desarrollo de software y mejorar la eficiencia del trabajo diario.
2. Aplicación de modelos grandes en el proceso estándar de desarrollo de software.
De acuerdo con los resultados de las pruebas y pruebas del modelo grande, así como el análisis de ventajas y desventajas, combinado con la dimensión del modelo V en el proceso estándar de desarrollo de software, en los requisitos, diseño, codificación de desarrollo, pruebas unitarias, pruebas de integración, y pruebas UAT. El grado de aplicación de modelos grandes como ChatGPT en el proceso de I + D refleja: "La etapa intermedia es más fácil de implementar y es más difícil de implementar en ambos extremos".
Cosas que son más fáciles de hacer en el proceso estándar de I+D:
Etapa de diseño : Varios diagramas de diseño, como diagramas de clases, diagramas de secuencia, diagramas ER, etc., que requieren mucho tiempo y son laboriosos de dibujar manualmente, chatGPT puede generar fácil y automáticamente varios diagramas de acuerdo con el proceso de plantilla y la descripción del formato estándar.
En la etapa de codificación , basándose en la escritura del código chatGPT y con la ayuda de varias herramientas de generación de código previas, se pueden generar rápidamente varios códigos de componentes y algunos códigos comerciales de acuerdo con los requisitos; al mismo tiempo, ChatGPT se puede utilizar para la inspección y revisión del código.
Prueba unitaria : genere código de prueba y datos de prueba basados en el código comercial
Pruebas de integración :
1) Generación de casos de prueba comerciales
Generación de casos de prueba: para ciertos requisitos, con un esquema de prueba claramente descrito, es fácil generar y transformar casos de prueba automatizados.
Generación automática de scripts de datos de prueba.
2) Reutilización de capacidades basada en la experiencia de prueba.
Recomendación de casos de prueba, para productos relativamente estables como depósitos bancarios, préstamos, etc., según la experiencia de prueba previa y los cálculos de aprendizaje, las recomendaciones de casos de prueba se generan automáticamente durante la ejecución de la prueba y luego se confirman mediante ajuste fino manual.
Recomendación de estrategia de ejecución y tiempo de ejecución del caso de prueba:
Generación automática de scripts de generación de datos de prueba.
3) Soporte general del producto
Generación de casos de prueba de componentes
Los datos de prueba se generan automáticamente.
Generación automática de scripts de prueba automatizados.
Etapa de requisitos : Los requisitos se pueden dividir en dos formas, una es construir y planificar productos a través de arquitectos comerciales o expertos en productos, y la otra es transformar productos según las necesidades del usuario. Para el primero, la estructura general del producto es compleja y Es difícil pensar con claridad en todos ellos a la vez. En cuanto a este último, debido a la diferente personalización y preferencias de los usuarios, es necesario pasar una gran cantidad de verificaciones de prueba antes de poder determinarlo verdaderamente. Modelos grandes o GPT, pero se puede optimizar y ajustar a través de herramientas auxiliares GPT.
Etapa de prueba UAT : Para verificar si el producto satisface las necesidades del usuario, es más a través de la percepción del usuario, que es un comportamiento irracional, y es difícil reemplazarlo con una herramienta emocional.
3. Aplicación de modelos grandes en el trabajo diario.
Además de desempeñar un gran papel en el proceso de desarrollo de software, GPT también es de gran ayuda en nuestro trabajo diario y puede actuar como asistente laboral en nuestro trabajo.
Consejos para trabajar ideas: para algunos temas nuevos o campos desconocidos, se brindan algunas sugerencias de palabras clave a través de ChatGPT, lo que favorece nuestro pensamiento integral y profundo.
Asistente de trabajo diario: ayúdenos a escribir algunas declaraciones SQL simples, códigos simples, etc., que pueden ayudarnos a mejorar la eficiencia del trabajo diario.
Esquema y plantilla de materiales informativos: como la preparación de esquemas como materiales de informes y resúmenes de trabajo, y trabajo diario como informes diarios y semanales.
4. Pensamiento práctico sobre la aplicación de grandes modelos de grandes empresas.
A través de algunos intercambios públicos e investigaciones entre pares, la mayoría de las empresas de Internet siguen actualmente los resultados discutidos en este artículo, en el "proceso de desarrollo de software. El modelo grande juega un papel más importante en el medio y un papel más pequeño en los dos extremos". , ejercer fuerza en la etapa intermedia. Sin embargo, las grandes empresas estatales representadas por los bancos están haciendo esfuerzos en ambos extremos, pero no en el medio. Dos prácticas diferentes, no hay nada bueno o malo, pero representan dos caminos para aplicar el pensamiento a grandes modelos.
Finalmente: el video tutorial completo de prueba de software a continuación se ha ordenado y subido, y los amigos que lo necesiten pueden obtenerlo ellos mismos [Garantizado 100% gratis]
Documentación de la entrevista de prueba de software
Debemos estudiar para encontrar un trabajo bien remunerado. Las siguientes preguntas de la entrevista son los últimos materiales de entrevista de empresas de Internet de primer nivel como Ali, Tencent y Byte, y algunos jefes de Byte han dado respuestas autorizadas. Termine este conjunto Los materiales de la entrevista Creemos que todos pueden encontrar un trabajo satisfactorio.
