机器学习和深度学习等人工智能技术推动了AIGC（生成式人工智能）技术在各个领域的广泛应用。AIGC的突破性进展给软件工程的发展带来了巨大的想象空间，软件工程领域正在加速推进AIGC赋能软件开发智能化、自动化，全面提升软件产品质量和工程能力。研究者和实践者一致认为AIGC一方面显著赋能软件工程原有的研发体系，另一方面正在催生软件工程的新范式。AIGC的代表性基础支持技术大语言模型（LLM）正在发展成为一种基于自然语言交互的人机协同工具，可以在软件需求、开发、测试和维护等阶段提供多种形式的支持。
在过去的两年间，AIGC已成为软件相关研究与产业界最热门的技术话题和重点投入的方向。本期数图焦点选取了相关研究，聚焦软件工程领域如何结合AIGC技术提出创新性融合应用和解决方案、实用案例，从而优化生产流程、提升效率和质量，推动实现更高水平的自动化和智能化，希望大家借鉴。
编委主任：苏金树 CCF会士 军事科学院教授
本期主编：王 璐 CCF软件工程专委会副秘书长 西安电子科技大学副教授
大模型技术对软件开发技术产生了深刻影响。当前大模型的软件开发辅助能力到底如何？未来的软件开发图景将会发生哪些变化？北京大学程序理解与生成研究团队，是基于深度学习的程序理解与生成领域的早期开拓和持续贡献团队。讲者以自身研究经历为背景，对基于大模型的程序理解与生成方法的研究历程和发展状态进行简要概述，并对基于大模型的软件开发自动化的影响进行探讨。
人机物融合系统 HCPS 成为发展趋势，为了更好管理各种人机物资源、正确可信地实现具体任务场景，需要以软件为核心进行人机物融合，而灵活、自动、高效地生成 HCPS 软件具有重要意义。报告对人机物融合系统的发展及相关软件自动生成方法进行了简要回顾，然后介绍了课题组近来将人工智能与形式化方法结合，共同促进 HCPS 软件自动生成能力的一些工作，并对未来发展进行了探讨。
获取功能安全需求是安全关键软件开发的重要步骤，影响软件的安全性。传统方法依赖系统和软件工程师的经验，存在遗漏风险且耗时长，因此提高效率并减少遗漏风险是关键问题。本文提出了一种模型驱动的 LLM 提示词生成与优化方法，通过领域知识元模型指导提示词生成，辅助 LLM 获取安全需求。
人工智能技术使得机器对代码和人类需求的理解能力得到显著提升，为代码生成、测试、安全分析等提供了新的思路。本报告通过介绍团队近年来在自然语言驱动的程序生成和分析相关成果，包括 SQL自动生成、Layout 自动生成、隐私保护分析等，讨论人工智能技术与软件工程的结合。
