面向AI生成嵌入式应用的确定性分批实现与交叉编译交付方法、系统、设备及介质与流程

摘要: 本发明涉及人工智能辅助软件工程及嵌入式应用开发,尤其涉及一种面向ai生成嵌入式应用的确定性分批实现与交叉编译交付方法、系统、设备及介质。背景技术:1、随着人工智...
面向AI生成嵌入式应用的确定性分批实现与交叉编译交付方法、系统、设备及介质与流程

本发明涉及人工智能辅助软件工程及嵌入式应用开发,尤其涉及一种面向ai生成嵌入式应用的确定性分批实现与交叉编译交付方法、系统、设备及介质。

背景技术:

1、随着人工智能技术在软件开发领域的应用,利用大模型根据自然语言需求生成程序代码,并结合自动化构建、测试和部署流程完成软件开发,已逐渐成为智能软件工程中的一种实现方式。现有技术中,部分方案通过对软件项目进行结构化拆分,调用大模型生成相应代码,再利用持续集成和持续部署工具完成编译和部署;部分方案通过业务逻辑、框架代码以及自然语言算子等内容对代码生成过程进行约束,以提高生成结果的准确性;此外,在嵌入式软件开发领域,还存在通过图形化编程方式生成源代码、经编译得到可执行程序并发送至终端设备的实现方式。

2、由于大模型生成代码时通常需要结合需求描述、已有项目内容以及前序生成结果进行处理,因此在项目规模较大、任务较多或者处理过程较长时,输入信息量容易持续增加,由此可能出现上下文信息冗余、局部实现遗漏或者多次处理结果不一致等情况。对于嵌入式软件而言,由于目标设备通常具有特定的操作系统、处理器架构及工具链环境,生成代码还需要经过与目标运行环境相适配的构建和部署过程,因此相较于通用服务器软件,其自动化开发过程涉及更多环境适配和构建配置环节。

3、此外,在自动化软件开发过程中,构建失败可能由源码错误、依赖缺失、工具链异常、链接配置、网络或权限等多种因素引起。由于不同失败原因对应的处理方式存在差异,若仅依据构建结果进行反复修改和重试,可能增加处理次数和计算资源消耗。同时,软件开发通常涉及需求、代码、构建结果及交付文件等多个阶段,不同阶段的信息可能分别由不同工具或流程维护,因此在连续自动化处理过程中,仍可能出现处理状态不一致、处理及构建过程计算资源消耗较高以及交付结果难以稳定确认等问题。

技术实现思路

1、(一)要解决的技术问题

2、鉴于现有技术的上述缺点、不足,本发明提供面向ai生成嵌入式应用的确定性分批实现与交叉编译交付方法、系统、设备及介质,其解决了现有ai辅助嵌入式应用开发过程中处理状态不一致、处理及构建过程计算资源消耗较高以及交付结果难以稳定确认的技术问题。

3、(二)技术方案

4、为了达到上述目的,本发明采用的主要技术方案包括:

5、第一方面,本发明实施例提供一种面向ai生成嵌入式应用的确定性分批实现与交叉编译交付方法,包括:

6、根据获取的任务清单中的任务状态和批次信息确定当前待实施任务批次,并调用ai模型处理当前待实施任务批次,以对项目源码进行修改;

7、检测当前待实施任务批次对应的源码变化,在源码变化时,对修改后的项目源码进行增量编译裁决,获得编译裁决结果;

8、在编译裁决结果满足预设通过条件且当前待实施任务批次中存在任务状态仍为待实施状态的任务时,基于源码变化和编译裁决结果将当前待实施任务批次中的待实施任务的任务状态更新为完成状态;

9、确定当前待实施任务批次的处理状态,并在当前待实施任务批次完成且任务清单中不存在其余待实施任务批次时,对项目源码进行面向目标平台的交叉编译处理,获得候选二进制文件;

10、对候选二进制文件进行文件有效性和目标架构一致性校验,并在校验通过后获得目标交付物。

11、可选地,根据获取的任务清单中的任务状态和批次信息确定当前待实施任务批次,并调用ai模型处理当前待实施任务批次,以对项目源码进行修改,包括:

12、响应于用户需求,检测结构化变更工件是否存在;

13、在结构化变更工件不存在时,调用ai模型生成结构化变更工件,在结构化变更工件存在时,读取结构化变更工件;

14、从生成或读取的结构化变更工件中获取任务清单和规格说明;

15、将任务清单规范化为机器可解析的任务形式,并基于规范化后的任务清单识别各任务对应的任务类型、任务状态和批次信息;

16、从任务类型为实现类且任务状态为待实施状态的任务中,根据批次信息确定当前待实施任务批次;

17、获取项目约束,并为当前待实施任务批次建立新的模型上下文;

18、在新的模型上下文中,将当前待实施任务批次中的任务、当前待实施任务批次对应的规格说明和项目约束输入ai模型,通过ai模型处理当前待实施任务批次,以对项目源码进行修改。

19、可选地,检测当前待实施任务批次对应的源码变化,在源码变化时,对修改后的项目源码进行增量编译裁决,获得编译裁决结果,包括:

20、比较ai模型处理当前待实施任务批次前后的项目源码内容,根据处理前后的项目源码内容确定是否存在由当前待实施任务批次产生的源码变化;

21、在确定当前待实施任务批次未产生源码变化时,不触发针对当前待实施任务批次的增量编译裁决;

22、在确定当前待实施任务批次产生源码变化时,对当前待实施任务批次修改后的项目源码执行增量编译检查,其中,增量编译检查针对当前待实施任务批次产生的源码变化执行,且不生成面向目标平台的候选二进制文件;

23、获取增量编译检查产生的检查输出,并根据检查输出确定修改后的项目源码对应的编译状态;

24、根据编译状态判断增量编译裁决是否满足预设通过条件,并根据判断结果获得当前待实施任务批次对应的编译裁决结果。

25、可选地,在编译裁决结果满足预设通过条件且当前待实施任务批次中存在任务状态仍为待实施状态的任务时,基于源码变化和编译裁决结果将当前待实施任务批次中的待实施任务的任务状态更新为完成状态,包括:

26、获取当前待实施任务批次中各任务的任务状态,并确定当前待实施任务批次中是否存在任务状态为待实施状态的任务;

27、在当前待实施任务批次产生源码变化且编译裁决结果满足预设增量编译通过条件时,确定当前待实施任务批次中仍处于待实施状态的对应任务;

28、基于当前待实施任务批次对应的源码变化和满足预设增量编译通过条件的编译裁决结果,将对应任务的任务状态由待实施状态更新为完成状态;

29、在更新对应任务的任务状态时,记录用于任务状态更新的源码变化和编译裁决结果,并基于更新后的任务状态完成当前待实施任务批次的任务状态对账,以跳过ai模型对对应任务完成状态的再次确认。

30、可选地,还包括:在任务批次处理开始时,在检测到预先存在的源码变化且当前全部项目源码的完整编译裁决结果满足完整编译通过条件时,基于预先存在的源码变化和完整编译裁决结果更新对应任务的任务状态,以跳过对应任务批次的ai模型处理;

31、其中,在任务批次处理开始时,在检测到预先存在的源码变化且当前全部项目源码的完整编译裁决结果满足完整编译通过条件时,基于预先存在的源码变化和完整编译裁决结果更新对应任务的任务状态,以跳过对应任务批次的ai模型处理,包括:

32、在任务批次处理开始时,检测任务清单中各任务的任务状态以及是否存在预先存在的源码变化;

33、在任务清单中各任务的任务状态均为待实施状态且存在预先存在的源码变化时,对当前全部项目源码执行完整编译检查,并获取完整编译检查产生的检查输出;

34、根据检查输出确定当前全部项目源码对应的编译状态,并根据编译状态获得完整编译裁决结果;

35、在完整编译裁决结果满足完整编译通过条件时,基于预先存在的源码变化和完整编译裁决结果,将各待实施任务批次中除需要通过结构完整性校验或单元测试结果确定任务状态的任务之外的对应任务的任务状态更新为完成状态,以跳过各待实施任务批次的ai模型处理;

36、对于需要通过结构完整性校验或单元测试结果确定任务状态的任务,根据对应的结构完整性校验结果或单元测试结果确定任务状态。

37、可选地,确定当前待实施任务批次的处理状态,并在当前待实施任务批次完成且任务清单中不存在其余待实施任务批次时,对项目源码进行面向目标平台的交叉编译处理,获得候选二进制文件,包括:

38、在当前待实施任务批次处理前后的任务状态未发生更新且项目源码未发生变化时,对当前待实施任务批次执行一次同批次重试,并在同批次重试后任务状态仍未发生更新且项目源码仍未发生变化时,将运行状态置为阻塞状态;

39、在当前待实施任务批次完成且任务清单中不存在其余待实施任务批次后、进行面向目标平台的交叉编译前,针对未满足预设通过条件的编译裁决结果,对项目源码执行不超过预设轮次的ai预修复,并在每轮ai预修复后重新进行编译裁决;

40、在不存在未满足预设通过条件的编译裁决结果,或者ai预修复次数达到预设轮次时,对项目源码进行面向目标平台的交叉编译;

41、在交叉编译失败时,根据交叉编译失败的原因确定对应的失败处理方式,对由源码因素引起的交叉编译失败调用ai模型修改项目源码,对由非源码因素引起的交叉编译失败针对对应的非源码因素进行处理,并在对应处理后重新进行面向目标平台的交叉编译,在交叉编译失败无法继续处理时,将运行状态置为阻塞状态;

42、在交叉编译成功时,获取交叉编译产生的输出文件作为候选二进制文件。

43、可选地,还包括:在根据获取的任务清单中的任务状态和批次信息确定当前待实施任务批次前,建立任务与需求之间的引用关系,并在候选二进制文件的文件有效性和目标架构一致性校验通过后、获得目标交付物前,基于引用关系进行需求覆盖校验;

44、其中,在根据获取的任务清单中的任务状态和批次信息确定当前待实施任务批次前,建立任务与需求之间的引用关系,并在候选二进制文件的文件有效性和目标架构一致性校验通过后、获得目标交付物前,基于引用关系进行需求覆盖校验,包括:

45、获取需求文档,并解析任务清单中各任务显式标注的需求编号引用,建立各任务与需求文档中对应需求之间的引用关系;

46、根据任务清单中的各任务的任务状态和对应的引用关系,判断需求文档中的各需求是否至少被一个任务状态为完成状态的任务引用;

47、在需求未被任务状态为完成状态的任务引用且未被标记为不适用时,将对应需求确定为未覆盖需求,并记录需求覆盖结果和未通过原因;

48、在存在未覆盖需求时,将未覆盖需求确定为交付前阻塞项并阻止获得目标交付物;

49、在不存在未覆盖需求时,根据通过文件有效性和目标架构一致性校验的候选二进制文件获得目标交付物,并记录需求覆盖结果。

50、第二方面,本发明实施例提供一种面向ai生成嵌入式应用的确定性分批实现与交叉编译交付系统,包括:

51、任务批次处理模块,用于根据获取的任务清单中的任务状态和批次信息确定当前待实施任务批次,并调用ai模型处理当前待实施任务批次,以对项目源码进行修改;

52、编译裁决模块,用于检测当前待实施任务批次对应的源码变化,在源码变化时,对修改后的项目源码进行增量编译裁决,获得编译裁决结果;

53、任务状态更新模块,用于在编译裁决结果满足预设通过条件且当前待实施任务批次中存在任务状态仍为待实施状态的任务时,基于源码变化和编译裁决结果将当前待实施任务批次中的待实施任务的任务状态更新为完成状态;

54、交叉编译模块,用于确定当前待实施任务批次的处理状态,并在当前待实施任务批次完成且任务清单中不存在其余待实施任务批次时,对项目源码进行面向目标平台的交叉编译处理,获得候选二进制文件;

55、交付校验模块,用于对候选二进制文件进行文件有效性和目标架构一致性校验,并在校验通过后获得目标交付物。

56、第三方面,本发明实施例提供一种面向ai生成嵌入式应用的确定性分批实现与交叉编译交付设备,其包括:一个或多个处理器;与一个或多个处理器通信连接的存储器;其中,存储器中存储有能够由一个或多个处理器执行的计算机可执行指令,计算机可执行指令在由一个或多个处理器执行时,使一个或多个处理器执行如上所述的面向ai生成嵌入式应用的确定性分批实现与交叉编译交付方法。

57、第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机可执行指令,计算机可执行指令被处理器执行时,实现如上所述的面向ai生成嵌入式应用的确定性分批实现与交叉编译交付方法。

58、(三)有益效果

59、本发明的有益效果是:

60、首先,通过根据任务清单中的任务状态和批次信息确定当前待实施任务批次,并调用ai模型按批次对项目源码进行修改,可以将面向整体项目的连续生成过程划分为多个相对独立的处理阶段,降低单次处理的信息量和上下文复杂度,使各任务批次能够依据任务清单中的状态持续推进,从而有利于减少任务遗漏以及处理状态不一致的情况。

61、其次,在检测到当前待实施任务批次对应的源码变化后,通过对修改后的项目源码进行增量编译裁决,可以在进入面向目标平台的交叉编译之前,对源码修改结果进行中间验证。因此,无需在每次源码修改后均直接执行面向目标平台的交叉编译,有利于减少不必要的完整目标构建次数,降低反复构建产生的时间开销和计算资源消耗。

62、进一步地,在编译裁决结果满足预设通过条件而源码变化所对应的任务的任务状态仍为待实施状态时,根据源码变化和编译裁决结果将相应任务的任务状态更新为完成状态,可以使任务清单中的任务状态与实际源码修改结果及编译验证结果保持一致,减少因ai模型完成源码修改但未同步更新任务状态而产生的重复处理或者错误阻塞,提高任务状态判定的准确性和连续性。

63、此外,在当前待实施任务批次完成且任务清单中不存在其余待实施任务批次时,再对项目源码进行面向目标平台的交叉编译,并对候选二进制文件进行文件有效性和目标架构一致性校验,可以避免任务尚未完成时过早进入目标构建过程,并降低无效文件、错误架构文件或者其他非目标制品被作为目标交付物的可能性,提高嵌入式应用交付结果与目标平台之间的一致性。

64、综上,本发明通过任务批次处理、增量编译裁决、基于源码变化和编译裁决结果的任务状态更新、面向目标平台的交叉编译以及候选二进制文件校验,使ai生成嵌入式应用的实现与交付过程能够持续依据客观状态和验证结果推进,从而有利于提高处理状态的一致性,减少重复处理及不必要的完整构建,降低计算资源消耗,并提高目标交付物的可靠性。