28&结束语｜通过LLM构建团队门户
徐昊
你好，我是徐昊，今天我们来继续学习 AI 时代的软件工程。
前面两节课我们学习了团队视角下无法根本消除的认知分歧，以及如何围绕测试工序拉齐认知分歧。今天我们就来看看大语言模型（Large Language Model，LLM）在这个过程中能发挥什么作用。
之前课程群里就有同学提出能否从需求开始，用 LLM 来构造“一条龙的服务”，我们先来讨论一下这个想法在当前（2024 年 5 月）是否可行。
无法通过 LLM 构成工作流
我们在前面的章节中讲述了大量 LLM 技巧，包含建模、模型验证、任务拆分、测试构造、代码编写等等。几乎覆盖了软件生命周期的全部环节。这时候，我们不禁有一个疑问，我们能否使用 LLM 拉通所有的环节，构建一个完全基于 LLM 的工作流？毕竟围绕测试工序，我们还是给过一个类似 Devin 的方案的。
那么能不能利用多 Agents 架构，把范围进一步扩展到软件开发的全流程呢？
简单来说，还不能。而且我也不太看好这个方向。想要理解其中的原因，还是要回到认知行为模式上。
当我们和 LLM 一起完成任务时，基本上是 LLM 负责干活人负责喊停。那么何时喊停，取决于人对于 LLM 产生内容质量的判断。也就是说，人对于问题的认知，和对于质量的理解，决定了最终人与 LLM 合作结果的质量与效率。那么这就又回到了认知行为模式上。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
1. 大语言模型（LLM）在软件工程中的应用：讨论了LLM在软件生命周期各环节的应用，以及通过LLM构造团队知识门户来提高团队的认知水平。 2. 无法通过LLM构成端到端的工作流：分析了无法利用LLM构建完全基于LLM的工作流的原因，以及人与LLM合作结果的质量与效率受认知行为模式影响的情况。 3. 通过LLM构造团队知识门户：介绍了利用LLM构造团队知识门户的架构，包括知识层、交互层和知识门户的UI层，以及RAG和知识图谱的应用。 4. RAG和知识图谱的应用：讨论了RAG对LLM输出进行优化的方法，以及结合知识图谱的RAG架构的新方向。 5. 知识门户的UI层构建：介绍了知识门户的UI层的构建形式，包括分层架构和按照知识产品的形式构建门户。 6. LLM无法直接提升认知水平：强调了LLM并不能直接提升认知水平，而是提供了贴近某个不可言说知识的训练法。 7. 通过LLM提高人的认知水平：探讨了如何通过LLM提高人的认知水平，以及构造一组辅助工具，以贴近项目的方式，快速培养人员能力的有效方法。 8. 知识产品的构建：提出了将LLM的装为一个个独立的产品，类似将单体应用拆分为微服务的构建方式。 9. LLM在软件工程中的应用限制：指出了LLM在软件工程中的应用受到认知行为模式的影响，以及面向全流程的
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《徐昊 · AI 时代的软件工程》，新⼈⾸单¥98
《徐昊 · AI 时代的软件工程》，新⼈⾸单¥98
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(2)
- 最新
- 精选
范飞扬感谢老师！把不变的规律和模式（认知行为模式、知识工程、业务建模、TDD等）掌握好，就能以不变应万变～2024-05-10归属地：广东1
aoe感谢老师带来的精彩内容！ 意识到「知识管理」是一项核心技能，掌握后不仅能更好的利用 AI，还能增强解决问题的能力。 原来 AI 是这样降维打击的：AI 展现的逆天的能力，实际上不过是利用了认知差，以及海量的知识积累，在我们的不擅长的领域中，打了我们一个措手不及。2024-05-10归属地：浙江
收起评论