CN116431135A - 汽车代码编写方法、系统、计算机及可读存储介质 - Google Patents

Abstract

本发明提供了一种汽车代码编写方法、系统、计算机及可读存储介质，该方法包括：实时接收用户输入的图形信息，并对图形信息进行自适应分析处理，以提取出图形信息中的目标元素以及目标参数；基于预设规则以及预设模板通过GPT模型根据目标元素以及目标参数生成对应的文档、测试用例以及代码，文档、测试用例以及代码与图形信息相对应；将文档、测试用例以及代码均输出至用户的用户终端，以使用户通过用户终端将文档、测试用例以及代码输入至汽车内。通过上述方式能够实时根据用户的需求生成对应的代码，同时不需要大量的计算资源，对应提升了代码生成的质量以及效率，同时提升了用户的使用体验。

Description

汽车代码编写方法、系统、计算机及可读存储介质

技术领域

本发明涉及新能源汽车技术领域，特别涉及一种汽车代码编写方法、系统、计算机及可读存储介质。

背景技术

三电技术，即电池、电机以及电控技术是新能源汽车的核心技术，并且三电技术的好坏，直接决定了新能源汽车质量的好坏。

现有技术大部分通过codex等代码生成技术编写出需要的三电控制代码，然而，现有技术在编写代码的过程中容易出现编写出的代码不符合用户的预期以及需求的现象，同时需要大量的计算资源，并且容易出错，从而影响了代码生成的质量以及效率，进而降低了新能源汽车的生产效率。

发明内容

基于此，本发明的目的是提供一种汽车代码编写方法、系统、计算机及可读存储介质，以解决现有技术在编写代码的过程中容易出现编写出的代码不符合用户的预期以及需求的现象，同时需要大量的计算资源，并且容易出错，从而影响了代码生成的质量以及效率的问题。

本发明实施例第一方面提出了一种汽车代码编写方法，所述方法包括：

实时接收用户输入的图形信息，并对所述图形信息进行自适应分析处理，以提取出所述图形信息中的目标元素以及目标参数；

基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码，所述文档、所述测试用例以及所述代码与所述图形信息相对应；

将所述文档、所述测试用例以及所述代码均输出至所述用户的用户终端，以使所述用户通过所述用户终端将所述文档、所述测试用例以及所述代码输入至汽车内。

本发明的有益效果是：通过实时接收用户输入的图形信息，并对图形信息进行自适应分析处理，以提取出图形信息中的目标元素以及目标参数；进一步的，基于预设规则以及预设模板通过GPT模型根据目标元素以及目标参数生成对应的文档、测试用例以及代码，文档、测试用例以及代码与图形信息相对应；最后只需将文档、测试用例以及代码均输出至用户的用户终端，以使用户通过用户终端将文档、测试用例以及代码输入至汽车内。通过上述方式能够根据用户实时输入的图形信息提取出需要的目标元素以及目标参数，基于此，再通过预设设置好的规则以及模板对GPT模型进行训练，以使训练后的GPT模型能够根据上述目标元素以及目标参数输出需要的文档、测试用例以及代码，从而能够实时根据用户的需求生成对应的代码，同时不需要大量的计算资源，对应提升了代码生成的质量以及效率，同时提升了用户的使用体验。

优选的，所述基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码的步骤包括：

对所述目标元素以及所述目标参数进行分类处理，以将所述目标元素以及所述目标参数对应拆分成第一数据库、第二数据库以及第三数据库，所述第一数据库、所述第二数据库以及所述第三数据库分别包含不同类别的数据；

将所述第一数据库输入至所述GPT模型的第一Transformer编码层中，并通过所述第一Transformer编码层对所述第一数据库中的第一数据进行多任务学习处理或者元学习处理，以将所述第一数据库中的第一数据转换成对应的文本代码；

通过T5模型根据所述文本代码生成所述文档。

优选的，所述基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码的步骤包括：

将所述第二数据库中的第二数据对应输入至所述GPT模型的第二Transformer编码层中，并通过所述第二Transformer编码层对所述第二数据进行序列化处理，以将所述第二数据转换成对应的若干特征因子，每一所述特征因子均具有唯一性，且相邻两个所述特征因子之间具有连贯性；

通过预设DTW算法将若干所述特征因子分别转换成若干对应的特征矩阵，并根据若干所述特征矩阵分别计算出对应的若干特征值；

对若干所述特征值进行多源反馈融合处理，以生成所述测试用例。

优选的，所述基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码的步骤还包括：

将所述第三数据库中的第三数据对应输入至所述GPT模型的第三Transformer编码层中，并通过所述第三Transforner编码层对所述第三数据进行一次编码处理，以生成若干对应的初始字符串；

对若干所述初始字符串分别进行压缩以及剪枝处理，以生成若干对应的目标字符，并通过所述第三Transformer编码层对若干所述目标字符进行二次编码处理，以生成所述代码。

优选的，所述基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码的步骤之后，所述方法还包括：

基于预设检测算法对所述文档、所述测试用例以及所述代码分别进行应用型测试，并根据测试结果生成对应的测试报告，所述测试报告包括测试项目、测试时间以及测试成绩；

对所述测试项目、所述测试时间以及所述测试成绩分别添加第一目标权重、第二目标权重以及第三目标权重，并根据所述第一目标权重、所述第二目标权重以及所述第三目标权重分别计算出所述文档、所述测试用例以及所述代码的综合测试得分，以根据所述综合测试得分分别判断所述文档、所述测试用例以及所述代码是否合格。

本发明实施例第二方面提出了一种汽车代码编写系统，所述系统包括：

接收模块，用于实时接收用户输入的图形信息，并对所述图形信息进行自适应分析处理，以提取出所述图形信息中的目标元素以及目标参数；

处理模块，用于基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码，所述文档、所述测试用例以及所述代码与所述图形信息相对应；

输出模块，用于将所述文档、所述测试用例以及所述代码均输出至所述用户的用户终端，以使所述用户通过所述用户终端将所述文档、所述测试用例以及所述代码输入至汽车内。

其中，上述汽车代码编写系统中，所述处理模块具体用于：

对所述目标元素以及所述目标参数进行分类处理，以将所述目标元素以及所述目标参数对应拆分成第一数据库、第二数据库以及第三数据库，所述第一数据库、所述第二数据库以及所述第三数据库分别包含不同类别的数据；

将所述第一数据库输入至所述GPT模型的第一Transformer编码层中，并通过所述第一Transformer编码层对所述第一数据库中的第一数据进行多任务学习处理或者元学习处理，以将所述第一数据库中的第一数据转换成对应的文本代码；

通过T5模型根据所述文本代码生成所述文档。

其中，上述汽车代码编写系统中，所述处理模块还具体用于：

将所述第二数据库中的第二数据对应输入至所述GPT模型的第二Transformer编码层中，并通过所述第二Transformer编码层对所述第二数据进行序列化处理，以将所述第二数据转换成对应的若干特征因子，每一所述特征因子均具有唯一性，且相邻两个所述特征因子之间具有连贯性；

通过预设DTW算法将若干所述特征因子分别转换成若干对应的特征矩阵，并根据若干所述特征矩阵分别计算出对应的若干特征值；

对若干所述特征值进行多源反馈融合处理，以生成所述测试用例。

其中，上述汽车代码编写系统中，所述处理模块还具体用于：

将所述第三数据库中的第三数据对应输入至所述GPT模型的第三Transformer编码层中，并通过所述第三Transforner编码层对所述第三数据进行一次编码处理，以生成若干对应的初始字符串；

对若干所述初始字符串分别进行压缩以及剪枝处理，以生成若干对应的目标字符，并通过所述第三Transformer编码层对若干所述目标字符进行二次编码处理，以生成所述代码。

其中，上述汽车代码编写系统中，所述汽车代码编写系统还包括测试模块，所述测试模块具体用于：

基于预设检测算法对所述文档、所述测试用例以及所述代码分别进行应用型测试，并根据测试结果生成对应的测试报告，所述测试报告包括测试项目、测试时间以及测试成绩；

对所述测试项目、所述测试时间以及所述测试成绩分别添加第一目标权重、第二目标权重以及第三目标权重，并根据所述第一目标权重、所述第二目标权重以及所述第三目标权重分别计算出所述文档、所述测试用例以及所述代码的综合测试得分，以根据所述综合测试得分分别判断所述文档、所述测试用例以及所述代码是否合格。

本发明实施例第三方面提出了一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上面所述的汽车代码编写方法。

本发明实施例第四方面提出了一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上面所述的汽车代码编写方法。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1为本发明第一实施例提供的汽车代码编写方法的流程图；

图2为本发明第三实施例提供的汽车代码编写系统的结构框图。

如下具体实施方式将结合上述附图进一步说明本发明。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。

现有技术大部分通过codex等代码生成技术编写出需要的三电控制代码，然而，现有技术在编写代码的过程中容易出现编写出的代码不符合用户的预期以及需求的现象，同时需要大量的计算资源，并且容易出错，从而影响了代码生成的质量以及效率，进而降低了新能源汽车的生产效率。

请参阅图1，所示为本发明第一实施例提供的汽车代码编写方法，本实施例提供的汽车代码编写方法能够根据用户实时输入的图形信息提取出需要的目标元素以及目标参数，基于此，再通过预设设置好的规则以及模板对GPT模型进行训练，以使训练后的GPT模型能够根据上述目标元素以及目标参数输出需要的文档、测试用例以及代码，从而能够实时根据用户的需求生成对应的代码，同时不需要大量的计算资源，对应提升了代码生成的质量以及效率，同时提升了用户的使用体验。

具体的，本实施例提供的汽车代码编写方法具体包括以下步骤：

步骤S10，实时接收用户输入的图形信息，并对所述图形信息进行自适应分析处理，以提取出所述图形信息中的目标元素以及目标参数；

具体的，在本实施例中，首先需要说明的是，本实施例提供的汽车代码编写方法具体应用在新能源汽车技术领域，更具体的，应用在新能源汽车中的三电技术领域中，用于提升新能源汽车中的三电的质量以及研发效率，对应提升新能源汽车的质量以及生产效率。

另外，在本实施例中，还需要说明的是，本实施例提供的汽车代码编写方法是基于现有的GPT（Generative Pre-Trained Transformer 生成式预训练Transformer）模型实施的，具体的，该GPT模型的内部预先设置有若干层Transformer编码层，并且每个Transformer编码层之间相互独立，各自执行不同的工作。

基于此，在本步骤中，需要说明的是，本步骤会通过用户终端实时接收用户输入的图形信息，具体的，该图形信息可以是电池模组的原理图、电池单体的布局图以及电池管理模块的结构图等。进一步的，本步骤还会对当前图形信息你进行自适应分析处理，即当前图形信息包含的内容不同，对应的处理方式不同，在此基础之上，就能够在当前图形信息中提取出需要的目标元素以及目标参数，具体的，本实施例提供的目标元素可以是电池模组的串并联方式等元素，本实施例提供的目标参数可以是电池单体的类型、容量以及内阻等参数。

步骤S20，基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码，所述文档、所述测试用例以及所述代码与所述图形信息相对应；

进一步的，在本步骤中，需要说明的是，在通过上述步骤分别获取到需要的目标元素以及目标参数之后，本步骤会进一步基于预设规则以及预设模板通过上述GPT模型根据当前目标元素以及目标参数生成对应的文档、测试用例以及代码，该文档、测试用例以及代码就是用于研发新能源汽车三电的核心文件，基于此，能够使工作人员通过实时生成的文档、测试用例以及代码对新能源汽车做进一步研发。

步骤S30，将所述文档、所述测试用例以及所述代码均输出至所述用户的用户终端，以使所述用户通过所述用户终端将所述文档、所述测试用例以及所述代码输入至汽车内。

最后，在本步骤中，需要说明的是，在通过上述步骤实时获取到生成的文档、测试用例以及代码之后，本步骤会进一步将当前文档、测试用例以及代码输出至用户所使用的用户终端上，从而能够使用户进一步将实时接收到的文档、测试用例以及代码输入新能源汽车的内部，以进行对应的应用测试。

使用时，通过实时接收用户输入的图形信息，并对图形信息进行自适应分析处理，以提取出图形信息中的目标元素以及目标参数；进一步的，基于预设规则以及预设模板通过GPT模型根据目标元素以及目标参数生成对应的文档、测试用例以及代码，文档、测试用例以及代码与图形信息相对应；最后只需将文档、测试用例以及代码均输出至用户的用户终端，以使用户通过用户终端将文档、测试用例以及代码输入至汽车内。通过上述方式能够根据用户实时输入的图形信息提取出需要的目标元素以及目标参数，基于此，再通过预设设置好的规则以及模板对GPT模型进行训练，以使训练后的GPT模型能够根据上述目标元素以及目标参数输出需要的文档、测试用例以及代码，从而能够实时根据用户的需求生成对应的代码，同时不需要大量的计算资源，对应提升了代码生成的质量以及效率，同时提升了用户的使用体验。

需要说明的是，上述的实施过程只是为了说明本申请的可实施性，但这并不代表本申请的汽车代码编写方法只有上述唯一一种实施流程，相反的，只要能够将本申请的汽车代码编写方法实施起来，都可以被纳入本申请的可行实施方案。

综上，本发明上述实施例提供的汽车代码编写方法能够根据用户实时输入的图形信息提取出需要的目标元素以及目标参数，基于此，再通过预设设置好的规则以及模板对GPT模型进行训练，以使训练后的GPT模型能够根据上述目标元素以及目标参数输出需要的文档、测试用例以及代码，从而能够实时根据用户的需求生成对应的代码，同时不需要大量的计算资源，对应提升了代码生成的质量以及效率，同时提升了用户的使用体验。

本发明第二实施例也提供了一种汽车代码编写方法，本实施例提供的汽车代码编写方法与上述第一实施例提供的汽车代码编写方法不同之处在于：

具体的，在本实施例中，需要说明的是，上述基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码的步骤包括：

对所述目标元素以及所述目标参数进行分类处理，以将所述目标元素以及所述目标参数对应拆分成第一数据库、第二数据库以及第三数据库，所述第一数据库、所述第二数据库以及所述第三数据库分别包含不同类别的数据；

将所述第一数据库输入至所述GPT模型的第一Transformer编码层中，并通过所述第一Transformer编码层对所述第一数据库中的第一数据进行多任务学习处理或者元学习处理，以将所述第一数据库中的第一数据转换成对应的文本代码；

通过T5模型根据所述文本代码生成所述文档。

具体的，在本实施例中，需要说明的是，为了能够分别有效的生成需要的文档、测试用例以及代码，本实施例会进一步将上述实时提取出的目标元素以及目标参数拆分成对应的第一数据库、第二数据库以及第三数据库，其中，需要指出的是，当前第一数据库、第二数据库以及第三数据库分别包含不同类别的数据。

基于此，本实施例会进一步将当前第一数据库中的第一数据输入至上述GPT模型的第一Transformer编码层中，与此同时，通过该第一Transformer编码层对当前第一数据库中的第一数据进行多任务学习或者元学习处理，从而能够将当前第一数据库中的第一数据转换成对应的文本代码，最后只需通过现有的T5模型根据当前实时生成的文本代码就能够生成需要的文档。

进一步的，在本实施例中，需要说明的是，上述基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码的步骤包括：

将所述第二数据库中的第二数据对应输入至所述GPT模型的第二Transformer编码层中，并通过所述第二Transformer编码层对所述第二数据进行序列化处理，以将所述第二数据转换成对应的若干特征因子，每一所述特征因子均具有唯一性，且相邻两个所述特征因子之间具有连贯性；

通过预设DTW算法将若干所述特征因子分别转换成若干对应的特征矩阵，并根据若干所述特征矩阵分别计算出对应的若干特征值；

对若干所述特征值进行多源反馈融合处理，以生成所述测试用例。

进一步的，在本实施例中，需要说明的是，本实施例会进一步将上述第二数据库中的第二数据对应输入至上述GPT模型的第二Transformer编码层中，与此同时，通过该第二Transformer编码层对当前第二数据进行对应的序列化处理，从而能够对应将当前第二数据转换成对应的若干特征因子，其中，每个特征因子均具有唯一性，即各不相同，但相邻两个特征因子之间具有连贯性。

基于此，进一步通过预设DTW算法将当前若干特征因子分别转换成若干对应的特征矩阵，从而能够进一步根据当前若干特征矩阵计算出若干对应的特征值。

在此基础之上，只需进一步对当前若干特征值进行现有的多源反馈融合处理，就能够简单、快速的生成需要的测试用例。

另外，在本实施例中，需要说明的是，上述基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码的步骤还包括：

将所述第三数据库中的第三数据对应输入至所述GPT模型的第三Transformer编码层中，并通过所述第三Transforner编码层对所述第三数据进行一次编码处理，以生成若干对应的初始字符串；

对若干所述初始字符串分别进行压缩以及剪枝处理，以生成若干对应的目标字符，并通过所述第三Transformer编码层对若干所述目标字符进行二次编码处理，以生成所述代码。

另外，在本实施例中，需要说明的是，本实施例会进一步将上述第三数据库中的第三数据对应输入至上述GPT模型的第三Transformer编码层中，与此同时，通过该第三Transformer编码层对当前第三数据进行一次编码处理，与此同时，能够对应输出若干初始字符串。

进一步的，再对当前若干初始字符串分别进行现有的压缩以及剪枝处理，能够对应生成若干目标字符，基于此，只需再次通过该第三Transformer编码层对当前若干目标字符进行二次编码处理，就能够生成需要的代码。

其中，在本实施例中，需要指出的是，本实施例提供的第一数据库中的第一数据可以包括新能源汽车三电的控制原理图、电路图以及结构图等数据，本实施例提供的第二数据库中的第二数据可以包括电池类型、容量、电压以及温度等物理参数数据，本实施例提供的第三数据库中的第三数据可以包括电机功率、转速以及扭矩等机械参数。

另外，在本实施例中，还需要说明的是，上述基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码的步骤之后，所述方法还包括：

基于预设检测算法对所述文档、所述测试用例以及所述代码分别进行应用型测试，并根据测试结果生成对应的测试报告，所述测试报告包括测试项目、测试时间以及测试成绩；

对所述测试项目、所述测试时间以及所述测试成绩分别添加第一目标权重、第二目标权重以及第三目标权重，并根据所述第一目标权重、所述第二目标权重以及所述第三目标权重分别计算出所述文档、所述测试用例以及所述代码的综合测试得分，以根据所述综合测试得分分别判断所述文档、所述测试用例以及所述代码是否合格。

另外，在本实施例中，还需要说明的是，在通过上述步骤分别获取到需要的文档、测试用例以及代码之后，为了能够保证文档、测试用例以及代码的有效性，本实施例还会进行对应的应用测试，并生成对应的测试报告，基于此，再对当前测试报告中的测试项目添加第一目标权重、测试时间添加第二目标权重、测试成绩添加第三目标权重，在此基础之上，再分别计算出对应的综合测试得分，就能够准确、有效的判断出当前文档、测试用例以及代码是否合格。

需要指出的是，本发明第二实施例所提供的方法，其实现原理及产生的一些技术效果和第一实施例相同，为简要描述，本实施例未提及之处，可参考第一实施例提供的相应内容。

综上，本发明上述实施例提供的汽车代码编写方法能够根据用户实时输入的图形信息提取出需要的目标元素以及目标参数，基于此，再通过预设设置好的规则以及模板对GPT模型进行训练，以使训练后的GPT模型能够根据上述目标元素以及目标参数输出需要的文档、测试用例以及代码，从而能够实时根据用户的需求生成对应的代码，同时不需要大量的计算资源，对应提升了代码生成的质量以及效率，同时提升了用户的使用体验。

请参阅图2，所示为本发明第三实施例提供的汽车代码编写系统，所述系统包括：

接收模块12，用于实时接收用户输入的图形信息，并对所述图形信息进行自适应分析处理，以提取出所述图形信息中的目标元素以及目标参数；

处理模块22，用于基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码，所述文档、所述测试用例以及所述代码与所述图形信息相对应；

输出模块32，用于将所述文档、所述测试用例以及所述代码均输出至所述用户的用户终端，以使所述用户通过所述用户终端将所述文档、所述测试用例以及所述代码输入至汽车内。

其中，上述汽车代码编写系统中，所述处理模块22具体用于：

对所述目标元素以及所述目标参数进行分类处理，以将所述目标元素以及所述目标参数对应拆分成第一数据库、第二数据库以及第三数据库，所述第一数据库、所述第二数据库以及所述第三数据库分别包含不同类别的数据；

将所述第一数据库输入至所述GPT模型的第一Transformer编码层中，并通过所述第一Transformer编码层对所述第一数据库中的第一数据进行多任务学习处理或者元学习处理，以将所述第一数据库中的第一数据转换成对应的文本代码；

通过T5模型根据所述文本代码生成所述文档。

其中，上述汽车代码编写系统中，所述处理模块22还具体用于：

将所述第二数据库中的第二数据对应输入至所述GPT模型的第二Transformer编码层中，并通过所述第二Transformer编码层对所述第二数据进行序列化处理，以将所述第二数据转换成对应的若干特征因子，每一所述特征因子均具有唯一性，且相邻两个所述特征因子之间具有连贯性；

通过预设DTW算法将若干所述特征因子分别转换成若干对应的特征矩阵，并根据若干所述特征矩阵分别计算出对应的若干特征值；

对若干所述特征值进行多源反馈融合处理，以生成所述测试用例。

其中，上述汽车代码编写系统中，所述处理模块22还具体用于：

将所述第三数据库中的第三数据对应输入至所述GPT模型的第三Transformer编码层中，并通过所述第三Transforner编码层对所述第三数据进行一次编码处理，以生成若干对应的初始字符串；

对若干所述初始字符串分别进行压缩以及剪枝处理，以生成若干对应的目标字符，并通过所述第三Transformer编码层对若干所述目标字符进行二次编码处理，以生成所述代码。

其中，上述汽车代码编写系统中，所述汽车代码编写系统还包括测试模块42，所述测试模块42具体用于：

基于预设检测算法对所述文档、所述测试用例以及所述代码分别进行应用型测试，并根据测试结果生成对应的测试报告，所述测试报告包括测试项目、测试时间以及测试成绩；

对所述测试项目、所述测试时间以及所述测试成绩分别添加第一目标权重、第二目标权重以及第三目标权重，并根据所述第一目标权重、所述第二目标权重以及所述第三目标权重分别计算出所述文档、所述测试用例以及所述代码的综合测试得分，以根据所述综合测试得分分别判断所述文档、所述测试用例以及所述代码是否合格。

本发明第四实施例提供了一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述实施例提供的汽车代码编写方法。

本发明第五实施例提供了一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例提供的汽车代码编写方法。

综上所述，本发明上述实施例提供的汽车代码编写方法、系统、计算机及可读存储介质能够根据用户实时输入的图形信息提取出需要的目标元素以及目标参数，基于此，再通过预设设置好的规则以及模板对GPT模型进行训练，以使训练后的GPT模型能够根据上述目标元素以及目标参数输出需要的文档、测试用例以及代码，从而能够实时根据用户的需求生成对应的代码，同时不需要大量的计算资源，对应提升了代码生成的质量以及效率，同时提升了用户的使用体验。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (6)

1.一种汽车代码编写方法，其特征在于，所述方法包括：

实时接收用户输入的图形信息，并对所述图形信息进行自适应分析处理，以提取出所述图形信息中的目标元素以及目标参数；

基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码，所述文档、所述测试用例以及所述代码与所述图形信息相对应；

将所述文档、所述测试用例以及所述代码均输出至所述用户的用户终端，以使所述用户通过所述用户终端将所述文档、所述测试用例以及所述代码输入至汽车内；

所述基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码的步骤包括：

对所述目标元素以及所述目标参数进行分类处理，以将所述目标元素以及所述目标参数对应拆分成第一数据库、第二数据库以及第三数据库，所述第一数据库、所述第二数据库以及所述第三数据库分别包含不同类别的数据；

将所述第一数据库输入至所述GPT模型的第一Transformer编码层中，并通过所述第一Transformer编码层对所述第一数据库中的第一数据进行多任务学习处理或者元学习处理，以将所述第一数据库中的第一数据转换成对应的文本代码；

通过T5模型根据所述文本代码生成所述文档；

所述基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码的步骤包括：

将所述第二数据库中的第二数据对应输入至所述GPT模型的第二Transformer编码层中，并通过所述第二Transformer编码层对所述第二数据进行序列化处理，以将所述第二数据转换成对应的若干特征因子，每一所述特征因子均具有唯一性，且相邻两个所述特征因子之间具有连贯性；

通过预设DTW算法将若干所述特征因子分别转换成若干对应的特征矩阵，并根据若干所述特征矩阵分别计算出对应的若干特征值；

对若干所述特征值进行多源反馈融合处理，以生成所述测试用例。

2.根据权利要求1所述的汽车代码编写方法，其特征在于：所述基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码的步骤还包括：

将所述第三数据库中的第三数据对应输入至所述GPT模型的第三Transformer编码层中，并通过所述第三Transforner编码层对所述第三数据进行一次编码处理，以生成若干对应的初始字符串；

对若干所述初始字符串分别进行压缩以及剪枝处理，以生成若干对应的目标字符，并通过所述第三Transformer编码层对若干所述目标字符进行二次编码处理，以生成所述代码。

3.根据权利要求1所述的汽车代码编写方法，其特征在于：所述基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码的步骤之后，所述方法还包括：

基于预设检测算法对所述文档、所述测试用例以及所述代码分别进行应用型测试，并根据测试结果生成对应的测试报告，所述测试报告包括测试项目、测试时间以及测试成绩；

对所述测试项目、所述测试时间以及所述测试成绩分别添加第一目标权重、第二目标权重以及第三目标权重，并根据所述第一目标权重、所述第二目标权重以及所述第三目标权重分别计算出所述文档、所述测试用例以及所述代码的综合测试得分，以根据所述综合测试得分分别判断所述文档、所述测试用例以及所述代码是否合格。

4.一种汽车代码编写系统，其特征在于，所述系统包括：

接收模块，用于实时接收用户输入的图形信息，并对所述图形信息进行自适应分析处理，以提取出所述图形信息中的目标元素以及目标参数；

处理模块，用于基于预设规则以及预设模板通过GPT模型根据所述目标元素以及所述目标参数生成对应的文档、测试用例以及代码，所述文档、所述测试用例以及所述代码与所述图形信息相对应；

输出模块，用于将所述文档、所述测试用例以及所述代码均输出至所述用户的用户终端，以使所述用户通过所述用户终端将所述文档、所述测试用例以及所述代码输入至汽车内；

所述处理模块具体用于：

对所述目标元素以及所述目标参数进行分类处理，以将所述目标元素以及所述目标参数对应拆分成第一数据库、第二数据库以及第三数据库，所述第一数据库、所述第二数据库以及所述第三数据库分别包含不同类别的数据；

将所述第一数据库输入至所述GPT模型的第一Transformer编码层中，并通过所述第一Transformer编码层对所述第一数据库中的第一数据进行多任务学习处理或者元学习处理，以将所述第一数据库中的第一数据转换成对应的文本代码；

通过T5模型根据所述文本代码生成所述文档；

所述处理模块还具体用于：

将所述第二数据库中的第二数据对应输入至所述GPT模型的第二Transformer编码层中，并通过所述第二Transformer编码层对所述第二数据进行序列化处理，以将所述第二数据转换成对应的若干特征因子，每一所述特征因子均具有唯一性，且相邻两个所述特征因子之间具有连贯性；

通过预设DTW算法将若干所述特征因子分别转换成若干对应的特征矩阵，并根据若干所述特征矩阵分别计算出对应的若干特征值；

对若干所述特征值进行多源反馈融合处理，以生成所述测试用例。

5.一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3中任意一项所述的汽车代码编写方法。

6.一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至3中任意一项所述的汽车代码编写方法。

Images