客户介绍

某研究所，承担航天工程技术研发、空间环境保障、装备测试验证的核心科研单位。自2000年起负责载人航天（921）工程的测评工作，至今已积累近30年的软件测试测评数据与工程经验，在航天软件第三方测评领域具有权威地位。

具备从部件级、单机级、分系统级到系统级的全链条测试验证能力，承担航天软件的第三方测评、定型测评、确认测试等任务。随着软件系统规模与复杂度持续提升，该单位对测试评估效率与智能化水平提出了更高要求，希望引入新一代AI技术为传统测评工具链赋能。

挑战与痛点

面对软件系统规模与复杂度的快速增长，传统人工驱动的测评模式逐渐暴露出效率瓶颈，主要体现在以下三个方面：

• 需求分析与条目化效率低

  测评工作的起点是将软件需求规格说明文档中的需求逐条提取、结构化、条目化，这一过程长期依赖测试人员人工阅读、人工标注完成。面对动辄数十页、跨多份文档的需求规格说明书，人工提取耗时长、易遗漏、一致性难以保证，且不同测试人员对需求颗粒度的理解存在差异，影响后续测试设计的完整性与可追溯性。

• 测试项与测试用例编写效率低

  依据标准，测试大纲中的测试项和测试用例均需严格遵循标准格式逐条撰写。这部分工作专业性强、格式要求细致，传统方式下完全依靠测试人员手工编写，编写效率与标准符合性高度依赖个人经验，难以规模化复用历史测试知识。

• 传统工具链智能化程度不足

  该单位长期使用的测试管理平台基于Access数据库构建，是早期建设的成熟工具，标准符合性好但缺乏与新一代AI能力的对接接口，新的智能化能力难以直接嵌入既有工作流，传统工具“能管理、不能生成”的局限日益凸显。

  综上，该单位的核心需求是：在不改变标准体系和现有平台使用习惯的前提下，通过大模型技术为需求分析、测试项生成、测试用例编写等关键环节提供智能化提质增效手段，并实现与现有工具的无缝对接。

解决方案

泛联新安为该单位研制并交付了“基于大模型的软件代码生成与智能体开发工具”，构建起一套端到端的软件研制与测评智能化平台，实现需求分析、测试项生成、测试用例编写全流程的AI赋能，并与客户既有的测试管理平台完成深度对接。

• 总体技术架构

  平台采用分层服务化架构，自底向上构建基础设施层（IaaS）、模型服务层（MaaS）、平台服务层（PaaS）与应用服务层（SaaS/Client），形成闭环的智能化研发测评生态。

  

• 核心能力建设

  • 智能化需求分析与条目化：支持对Word、PDF格式软件需求规格说明文档的自动解析，可从多份需求文档中提取软件需求条目，支持测试人员交互式修改与确认，并对提取结果进行结构化管理与展示，将以往依赖人工逐句阅读的需求提取工作转变为“AI提取+人工复核”的协同模式。
  • 测试项与测试用例自动生成：基于解析得到的结构化需求，自动生成测试大纲中的测试项，包括测试项名称、标识、追踪关系、测试方法、通过准则与终止条件；进一步自动生成包含测试步骤、预期结果的测试用例，覆盖用例名称、用例综述、初始化条件、设计方法、测试过程描述等要素。系统同时支持构建测试知识库，基于历史用例进行相似推荐，并采集测试人员的修改数据用于大模型的持续微调迭代，形成“生成—使用—反馈—优化”的能力闭环。
  • 与平台的深度对接：针对客户长期使用的测试过程管理平台，项目专门设计了适配接口，实现大模型生成的需求条目、测试项、测试用例与平台数据结构的自动对接填充，使新的AI能力在不改变客户既有工具使用习惯的前提下“嵌入式”融入现有测评流程，让传统工具焕发智能化生命力。
  • 面向研发场景的代码智能化能力：平台同时提供面向开发人员的代码助手能力，包括智能问答、代码自动补全、代码注释生成、代码流程图生成与单元测试用例生成，并以IDE插件形式集成至VSCode、PyCharm等主流开发环境，实现伴随式智能服务，提升软件研制环节的整体效率。
  • 安全可控的部署模式：系统部署于客户内网的独立算力服务器，预先加载所需大模型驱动文件实现完全离线运行；IDE插件通过内网API与服务器通信，并配套身份认证与访问控制机制，确保仅授权用户可调用模型生成服务，充分满足军工涉密环境对数据安全与自主可控的严格要求。

• 项目实施与验证

  项目自2025年9月正式启动，历经研制方案评审、需求规格说明书评审、出所测试大纲评审等多轮外部评审，于2025年12月完成出所测试与合同验收测试。

客户价值

项目已通过出所测试与合同验收测试，目前已正式验收，相关测评大模型能力可对外公开展示。该工具围绕“提质增效”的核心目标，为客户在测试效率、人员负荷、流程智能化水平等方面带来了量化、可验证的提升。

• 整体测试效率提升30%以上

  通过大模型自动完成需求条目化、测试项生成与测试用例编写，客户测评团队的整体测试效率提升30%以上，相应降低了人员工作量。

• 测评全流程贯通

  从需求分析、需求条目化，到测试项生成、测试用例编写，大模型能力贯穿测评准备工作的关键环节，初步实现了对整个测评流程的智能化辅助。

• 标准符合性与质量双提升

  测试项与测试用例的生成严格遵循相关标准的测试方法要求，在提升效率的同时保证了产出物的规范性与一致性，减少因人工编写差异带来的质量波动。

• 智能升级质变

  实现从“工具辅助”到“智能化协同”的质变：传统平台完成了与大模型能力的自动对接填充，使原本割裂的“标准化管理工具”与“智能化生成能力”融为一体；测试知识库的引入让历史测试经验得以沉淀、复用与持续学习，逐步构建起可迭代演进的智能化测评知识资产。

客户最终将基于该AI大模型平台，实现整个测评流程的统一控制与管理，为后续更大范围软件测评任务的智能化升级奠定基础。