作者｜沙丘智库研究团队
来源｜沙丘社区（www.shaqiu.cn）
软件工程作为信息技术的核心支柱，承载着推动数字化转型与创新的重任。然而，传统软件工程在开发效率、质量保障、需求适应性等方面面临诸多挑战。大模型凭借其强大的语言生成、逻辑推理、知识融合等能力，为软件工程的各个环节带来了新的思路与方法。
沙丘智库近期发布了多份“大模型+软件工程”相关研究报告，旨在通过系统性的技术研究，更好地帮助企业决策者、投资者以及行业从业者理解技术发展趋势、市场竞争格局、把握发展机遇。
报告1：沙丘智库《2025年“大模型+软件工程”最佳实践报告》（48页PDF）（可前往“沙丘智库”查阅）
（1）大模型赋能软件工程的核心领域
沙丘智库认为，并非所有软件开发任务都适合用AI辅助，大模型能够发挥作用的应用场景需要满足如下条件：
第一，模型训练时所使用的编程语言和框架有大量公开可用的代码；
第二，模型在训练过程中有足够的信息来理解特定领域的概念和它们之间的语义关系；
第三，验证代码（或其他产出物）是否正确所需的额外努力不应显著高于手动编写代码（或其他产出物）；
第四，开发者需要有足够的专业知识来验证代码（或其他产出物）是否正确、安全、运行良好，并符合组织的法律和安全政策。
基于以上条件，虽然每个开发者对AI开发工具的采纳和提效程度不同，但以下应用场景被普遍认为是当前大模型能够发挥作用的地方：代码生成、代码调试、代码审查、代码现代化、代码解释、AI测试用例生成。
以代码生成为例：
当考虑利用大模型辅助开发者时，人们首先想到是利用大模型直接生成代码。从自动补全到生成完整函数，代码生成已经成为很多开发者不可或缺的日常工具。
但大模型只能为那些在模型训练时已经存在（并且有足够公开代码）的编程语言和框架版本生成代码，尤其适用于样本代码、旧语言代码、从设计到代码、应用程序集成等场景。
（2）大模型赋能软件工程的应用建议
为了最大程度发挥大模型在软件工程领域的应用价值，同时减轻相关风险，沙丘智库建议企业采取如下措施（详细内容可参阅完整版报告）：
第一，将AI开发工具作为提高开发者体验的工具；
第二，在软件开发生命周期中评估AI开发工具的价值；
第三，建立实践社区分享经验和知识；
第四，为开发者提供如何正确使用AI开发工具的培训；
第五，使用产品指标衡量AI开发工具的效果；
第六，对大模型生成的代码保持谨慎。
（3）大模型赋能软件工程典型案例
本报告精选了13个“大模型+软件工程”落地案例，覆盖金融、互联网、运营商等多个行业，旨在帮助其他企业学习成功经验。
以民生银行为例：
随着大模型技术的飞速发展，软件工程智能化成为金融科技研发的新路径，旨在提升研发效率、保障交付质量与促进人才技能转型发展。民生银行积极跟进技术发展趋势，前瞻性地启动了覆盖软件研发全流程的软件工程大模型应用体系建设。
民生银行AI增强软件工程应用场景实践涵盖需求、开发、测试、运维等关键环节，重点聚焦技术人员耗时多、投入高、操作复杂的规模化场景，由点及面推进工程化研发应用，并逐步形成AI工作链式服务。
当前，在工具使用方面，民生银行规模化覆盖全体自主研发岗位，全局AI代码采纳率约29%，接近行业先进实践，关键领域的规模化交付用户AI活跃度超30%；在研发效能方面，AI代码交付产能占比达18%，活跃用户任务交付周期缩短13.5%，AI服务占知识运营服务总量约30%。
报告2：沙丘智库《2025年AI生成测试用例最佳实践报告》（33页PDF）（可前往“沙丘智库”查阅）
过去十年，AI在软件测试领域的应用取得显著进展，极大地推动了测试方法从传统手工测试向自动化测试的转变。随着大模型的出现，软件测试又进一步迈向了智能化测试的新阶段，为软件质量保障带来了更高效、更精准的解决方案。
为了满足快速创新和频繁交付的需求，软件工程团队正在利用AI工具增强软件开发。而为了适应加速的交付周期，同时确保软件质量不受影响，测试团队则采用AI测试工具来增强质量工程。信通院的调研数据显示，2023年和2024年软件测试阶段AI技术应用比例达到63.62%和68.65%，仅次于软件开发阶段。
大模型的优势在于推理和文本生成，AI生成测试用例是当前AI测试工具应用范围最广、技术成熟最高的场景。
AI测试用例生成是指利用大语言模型或其他机器学习技术，自动分析需求文档、接口定义、代码或历史测试数据，输出结构完整、可直接执行或仅需少量调整的测试用例的过程。
当前，利用大模型生成测试用例的方式主要有两种：第一种是批量测试生成，将用户故事或功能细节输入到大模型中，快速生成大量测试用例；第二种是针对性生成，通过特定的提示词来生成特定场景的测试用例。这两种方式生成测试用例的有效性取决于输入数据的质量和提示词的精确性。
虽然大模型在测试用例生成方面具有巨大的潜力，但过度依赖大模型生成的测试用例往往导致测试覆盖不全面、关键场景遗漏、细微行为忽视等问题，这些问题可能会在生产环境中暴露出来，从而影响软件质量。
AI生成测试用例主要的局限性如下：
第一，使用未经授权的AI测试工具导致敏感信息泄露；
第二，大模型可能生成带有幻觉的测试用例；
第三，大模型倾向于生成正向测试用例，忽视了负向测试、边界测试和异常处理等场景；
第四，RAG未能有效提高测试用例生成的准确性；
第五，大模型生成的测试用例往往是基于当前需求的反应式生成，缺乏前瞻性和主动性的设计；
第六，AI测试工具带来额外的运营开销导致成本不可持续；
第七，测试人员过度依赖AI测试工具导致测试技能退化。
报告3：沙丘智库《2025年“大模型+软件工程”主流厂商市场指南》（16页PDF）（可前往“沙丘智库”查阅）
2020年6月，随着OpenAI发布GPT-3.0， GitHub上的开发工程师就开始研究如何借助GPT的能力自动生成代码。 2021年6月微软和OpenAI 共同推出的Github Copilot标志着AI在编程领域的首次大规模技术应用；2022年，ChatGPT的发布进一步推动了大语言模型的普及，为AI编码创造了认知基础；2023年，AI 编码进入爆发式增长阶段，国内外创新产品不断涌现； 2024年，Anthropic的Claude Code作为终端原生AI Agent发布，标志着Coding Agent的兴起；2025年，AI开发工具在应用端迎来爆发期，从个人开发者到企业级开发，使用率和采纳率均不断上升。
当前市场上主要的AI开发工具产品形态及发展趋势如下：
· AI聊天机器人：AI聊天机器人可以被认为是最基础的AI开发工具，可以理解自然语言指令，提供代码生成、问题解答和开发建议。AI聊天机器人包括Web端聊天机器人和IDE聊天机器人，通常直接调用大模型，不依赖特定的开发环境。
· AI代码助手：AI代码助手是当前使用最广泛的AI开发工具，能够执行各种开发相关任务，不仅能够完成代码生成和补全，还包括代码现代化、代码解释等功能，但通常是一个独立的工具或插件，支持多种IDE。根据Grand View Research发布的《生成式AI编码助手市场指南报告，2030》显示，2024-2030年全球生成式AI编码助手市场将以25.8%的复合增长率增长，2030年达到9250万美元。其中亚太地区，尤其是中国市场，将是这一增长的主要驱动力之一。AI代码助手市场快速发展，但产品功能正在走向趋同，供应商之间未来的竞争差异点将体现在如下方面：
第一，增强上下文感知能力。上下文工程正在成为AI代码助手的重要创新点，从代码仓库、开发环境、知识管理系统、MCP Server以及更广泛的软件开发生命周期数据中动态提取相关上下文的能力，成为供应商的关键差异化因素；
第二，增强AI Agent技术应用。领先的供应商正在将同步和异步Agent能力嵌入到AI原生IDE和插件中，使开发者能够将复杂的开发任务委托给智能体自动化完成。
· AI原生（AI-Native）IDE：AI增强的IDE集成了AI功能，提供更智能的代码编辑、调试和项目管理。大厂正在向AI-Native IDE发展，纷纷推出相关产品。通过自研 AI 原生IDE，而非仅作为插件附着于 VS Code、JetBrains 等既有平台，能够突破现有IDE的限制，从底层逻辑层面重构开发工作流，为用户提供更流畅、更智能的开发体验，并在开发者生态层面具备更大的主动性。
· 软件工程Agent：AI开发工具正在从代码助手向更自主的软件工程Agent演进。不同于集成在IDE中以代码完成为目标的助手，软件工程Agent首先是AI Agent，具备与任何Agent相同的模式——计划、感知与行动，它能够规划和执行复杂的多步骤工作流，维护上下文信息，与代码仓库、文档和运行时环境进行交互。传统的AI代码助手主要支持独立的任务，而软件工程Agent已经扩展到协调整个软件开发生命周期。
· AI创建应用工具：AI开发工具面向的用户正在从专业开发者向非专业用户延伸，AI应用创建工具通过自然语言提示，“一句话”即可生成一个可运行的应用程序。当前推出这类工具的主要是互联网大厂，生成的应用程序也主要依赖于其本身的平台生态。
· AI测试工具：AI测试工具利用AI技术自动生成测试用例和优化测试流程。AI增强测试工具是AI开发工具的一部分，通常与AI代码助手、DevOps平台等集成使用，实现测试流程的自动化和智能化。
从AI开发工具的使用效果上看，尽管大模型可以生成各种软件开发交付物，但这些任务本身并不是软件开发中的核心瓶颈。因此，仅仅加快这些任务的执行速度，并不会显著提高开发人员的生产力。尤其对于初级开发者而言，由于缺少足够的专业知识和经验，过度依赖AI开发工具反而会限制代码质量和生产力的提升。开发人员仍然需要充分理解需求，以便能够与大模型进行有效沟通并创建合适的提示词，甚至需要花费更多的时间来精心设计这些提示词。因此，AI开发工具并不会取代人类开发者，而是增强开发者的能力，使开发人员专注于更高价值、更具创造力的工作。
本报告深入分析了“大模型+软件工程”市场的发展态势和竞争格局，基于对多家厂商的调研与专家深访，从产品成熟度、行业落地深度、商业化进展等维度进行评价，筛选出各个细分市场的领先企业，并绘制“大模型+软件工程”主流厂商全景图，帮助企业用户选择更适合的产品/解决方案。
▎更多研究（可前往“沙丘智库”查阅）
2025年“大模型+安全”最佳实践报告
2025年央国企大模型应用跟踪报告
2025年金融业智能体最佳实践报告
2025年AI Agent应用最佳实践报告
2025年中国银行业大模型应用跟踪报告
大模型应用跟踪调研（2025年11月）
...
*更多生成式AI研究可前往“沙丘智库”小程序查阅
*有任何需求可咨询客服微信：zimu738