2025年8月17日，HAUST-HNU大模型与安全联合研究团队第33期组会在线召开。本次组会主题是生成式人工智能赋能软件工程流程和生成式人工智能在软件开发中的应用。

河南科技大学2025级硕士研究生唐寅皓汇报了《Transforming Software Engineering Processes Through Generative AI: A Framework for Integration and Implementation》。生成式人工智能变革软件工程流程的整合与实施框架，围绕生成式人工智能在软件工程中的应用展开。生成式人工智能借助 GPTs、BERTs、GANs 及 LLMs 等模型，能生成文本、代码等多种内容，在软件开发中作用显著，如  Copilot 使任务完成速度提升 55%，GPT2SP 提高任务估算准确率。其在软件需求、架构、设计、构建、测试、维护及 SE 管理七个流程中均有应用，文中列举了各流程适用工具、具体任务及优势，例如软件测试中可自动生成用例、检测漏洞等。实施需遵循评估目标、数据管理、工具选择等路线图，同时面临过度依赖 AI 代码、数据隐私、模型偏差等挑战。未来，它将推动软件工程向数据驱动转变，助力 DevSecOps 等领域发展，还会促进技术民主化等。但需平衡人类专业知识与技术创新，将其作为协作伙伴，才能实现负责任且有效的整合，充分发挥其变革潜力。

河南科技大学2025级硕士研究生张艺馨汇报了《Generative AI in Software Development  Challenges, Opportunities, and New Paradigms for Quality Assurance》。生成式人工智能（GenAI）已成为软件开发的变革力量，能显著提升生产力（如部分企业生产率提高 20%），推动软件开发生命周期（SDLC）各阶段自动化与创新，近 70% 组织将 30% GenAI 试点项目投入生产，72% 软件工程师在开发中使用其功能。但快速应用也暴露诸多问题，如代码准确性波动（复杂提示准确率仅 42%）、设计同质化、技术债务积累，治理与透明度缺失，成本差异大，且 80% 工程人员需提升技能。本文以混合研究方法（文献综述、专有调查、案例研究及专家访谈）为基础，探讨了生成式人工智能对软件开发生命周期的影响，指出 GenAI 在提升生产力、自动化流程和促进创新的同时，也在规划设计、实现、测试、部署优化等各阶段带来同质化输出、代码质量波动、输出变异性、成本管控等挑战，进而提出了采用人类在环模式、建立治理框架、推广提示工程、强化成本管理等应对策略，强调需平衡其潜力与风险以实现有效应用。未来需深化人机协同以平衡自动化效率与质量管控，完善覆盖全 SDLC 的标准化与治理体系，推动提示工程等新兴实践规模化应用并探索适配 GenAI 的流程创新，同时通过精细化成本建模平衡投入与价值，实现 GenAI 在软件开发中的可持续应用。

在交流环节，与会成员主要针对文献的研究思路、创新点及不明之处展开了热烈的讨论，为下一阶段课题研究提供了新思路。

（图文/唐寅皓 张艺馨 审核/权高原）