摘要
本发明公开了基于大模型的软件全生命周期智能协同优化方法及系统,属于人工智能与DevOps交叉技术领域,本发明要解决的技术问题为如何消除因开发、测试、生产环境数据割裂导致的LLM模型性能衰减,减少跨团队工作协同的时间成本与操作失误,技术方案为:通过gRPC接口调用大语言模型生成程序代码,获取带版本标记的需求规格说明书;基于JUnit框架的扩展插件调用大语言模型生成边界值测试用例,并获取带严重度标签的缺陷报告;集成Prometheus监控工具的异常检测器调用大语言模型预测容器故障,并获取资源利用率时序报表;构建结构化数据湖:使用Elasticsearch存储开发、测试、运维数据,并通过Neo4j图数据库建立开发人员、测试用例、容器实例间的时空关联。
技术关键词
全生命周期智能
大语言模型
协同优化方法
数据库死锁
协同优化系统
异常检测器
运维
生成程序代码
Kubernetes容器
性能指标数据
监控工具
软件
错误率
需求规格书
测试场景
参数
模块
报表
矩阵
系统为您推荐了相关专利信息
生态系统服务
协同优化方法
生物碳储量
情景
裁剪工具
电子数据检索系统
数据检索方法
大语言模型
自然语言
文本
损失函数优化方法
神经网络模型
节点特征
空间拓扑关系
空间坐标信息
低代码平台
自然语言
仓库
业务场景构建
语义分析技术