2026年《软件工程导论》课后习题附答案

2026年《软件工程导论》课后习题附答案一、单项选择题1.2026年全球软件产业主流的软件工程范式是（）A.瀑布式开发范式B.敏捷开发范式C.AIGC增强的DevSecOps范式D.面向对象开发范式答案：C解析：随着生成式AI技术在软件工程全流程的落地，以及安全左移、碳效管控等要求的普及，传统敏捷范式已经迭代为AIGC增强的DevSecOps范式，覆盖需求、设计、编码、测试、运维全流程的AI辅助能力，同时嵌入安全、合规、碳效等非功能性要求，人效较传统敏捷提升30%-60%，目前已经被全球82%的科技企业采用。2.需求工程环节中，2024年之后逐步普及的LLM驱动需求对齐方法的核心作用是（）A.完全替代需求分析师的工作B.自动消解不同利益相关方的需求歧义，提升需求一致性C.直接将需求转换为可运行的代码D.100%挖掘用户的隐性需求答案：B解析：LLM驱动的需求对齐方法可以将不同利益相关方的自然语言描述的需求自动转换为结构化需求条目，自动比对需求冲突点，给出消解建议，将需求对齐效率提升60%以上，但是无法完全替代需求分析师的工作，也不能做到100%挖掘隐性需求或者直接生成可运行代码。3.面向Serverless架构的软件设计中，对内聚性的核心要求是（）A.逻辑内聚B.功能内聚C.通信内聚D.顺序内聚答案：B解析：Serverless架构的计费单元是函数调用次数和运行时长，只有单函数实现单一完整功能的功能内聚，才能最大化资源利用率，降低运行成本，避免单函数承载多个功能导致的算力浪费和调用延迟提升。4.云原生架构设计中的“不可变基础设施”原则是指（）A.基础设施一旦部署就不能修改B.基础设施的修改只能通过重新构建镜像、全量替换的方式实现，不允许在运行环境直接修改配置C.基础设施的服务器硬件不能更换D.基础设施的网络配置不能修改答案：B解析：不可变基础设施是云原生架构的核心原则之一，所有运行环境的变更都要通过镜像构建、流水线发布的方式实现，避免直接在服务器上修改配置导致的环境不一致问题，将运维故障发生率降低70%以上。5.企业使用LLM辅助生成代码时，最容易引发的知识产权风险是（）A.代码逻辑错误B.生成的代码复用了未获得授权的开源代码，引发许可证冲突C.代码运行效率低D.代码存在安全漏洞答案：B解析：当前主流的代码生成大模型都是基于海量开源代码训练的，生成的代码可能直接复用了采用Copyleft许可证的开源代码，如果企业未做溯源校验直接商用，会引发知识产权纠纷，2025年国内某智能车企就因此被开源社区起诉，赔偿金额达2300万元。6.2026年软件测试环节新增的针对大语言模型应用的专项测试类型是（）A.单元测试B.集成测试C.Prompt注入测试D.压力测试答案：C解析：Prompt注入是大语言模型应用面临的典型安全风险，攻击者可以通过构造特殊的输入诱导模型输出违规内容、泄露敏感数据，因此Prompt注入测试已经成为所有LLM应用上线前的必测项，其余三类测试属于传统软件测试的常规类型。7.针对大模型驱动的软件，因模型微调、训练数据更新导致输出偏离原有需求，需要对模型进行适配调整，这类维护属于（）A.纠错性维护B.适应性维护C.完善性维护D.预防性维护答案：B解析：适应性维护是指为了适配运行环境的变化而进行的维护工作，大模型的版本迭代、训练数据更新属于软件运行依赖的基础环境变化，因此这类维护属于适应性维护。8.DevSecOps中的“安全左移”是指将安全校验环节前置到（）A.需求阶段B.编码阶段C.测试阶段D.部署阶段答案：A解析：2024年之后安全左移已经从编码阶段前置到需求阶段，在需求设计环节就会由AI自动评估需求的安全风险、合规风险，避免不符合安全要求的需求进入开发环节，从源头降低安全风险。9.2026年国内科技企业普遍采用的AI生成代码的缺陷密度阈值是（）A.每千行代码缺陷数≤0.5个B.每千行代码缺陷数≤1个C.每千行代码缺陷数≤2个D.每千行代码缺陷数≤3个答案：A解析：随着代码生成模型的精度提升，以及AI辅助缺陷检测工具的普及，目前AI生成代码的缺陷密度已经可以控制在每千行0.5个以内，低于人工编写代码的平均缺陷密度（每千行1.2个），因此该阈值已经成为行业通用标准。10.下列不属于2026年需求获取环节常用方法的是（）A.用户访谈B.问卷调查C.Prompt工程D.原型法答案：C解析：Prompt工程属于LLM应用开发环节的核心方法，不属于需求获取的常规方法，其余三类都是需求获取阶段的常用方法。11.Serverless架构下的软件运维成本核算的核心指标是（）A.服务器租赁成本B.函数调用次数、运行时长和资源占用量C.运维人员人力成本D.带宽成本答案：B解析：Serverless架构采用按需付费的计费模式，不需要提前租赁服务器，因此核心成本核算指标是函数调用次数、单次运行时长和资源占用量，运维人力成本较传统架构降低80%以上。12.大模型驱动的软件输出存在算法偏见，导致特定群体的用户权益受损，第一责任主体是（）A.大模型提供方B.软件运营方C.模型训练数据提供方D.软件用户答案：B解析：根据2025年实施的《生成式人工智能服务管理暂行条例》，生成式AI应用的运营方是算法安全的第一责任主体，需要对应用输出的内容负责，因此出现算法偏见导致用户权益受损时，第一责任主体是软件运营方。13.下列不属于AI辅助敏捷开发的新增实践的是（）A.LLM自动拆分用户故事B.AI自动生成迭代计划C.AI替代产品经理做需求决策D.AI自动统计迭代完成率答案：C解析：AI在敏捷开发中只能起到辅助作用，需求决策、迭代优先级排序等核心工作仍然需要产品经理和业务方完成，不能完全由AI替代。14.针对AI生成的可复用代码组件，版本管理的核心新增要求是（）A.记录版本号和更新时间B.记录组件的生成来源、训练数据范围和许可证类型C.记录组件的功能描述D.记录组件的使用说明答案：B解析：AI生成的代码组件存在知识产权和安全风险，因此版本管理需要额外记录生成来源、训练数据范围和许可证类型，便于后续的溯源和合规校验，其余三类都是传统代码组件版本管理的常规要求。15.碳效软件工程中，度量软件运行碳效的核心指标是（）A.软件运行的服务器能耗B.单位请求的碳排放量C.软件的运行时长D.软件的用户规模答案：B解析：单位请求的碳排放量可以公平度量不同规模、不同功能的软件的碳效水平，是目前碳效软件工程的核心度量指标，2026年国内头部互联网企业已经将该指标作为软件上线的硬约束指标，要求每万次请求的碳排放量不超过10g。二、多项选择题1.下列属于AIGC技术在软件工程全流程的落地应用场景的有（）A.LLM辅助将用户访谈纪要转换为结构化需求文档B.AI根据需求自动生成架构设计方案和数据库设计文档C.AI自动补全代码、生成单元测试用例D.AI自动分析运维异常日志，定位故障根因并给出修复建议答案：ABCD解析：目前AIGC技术已经覆盖软件工程的全流程，需求环节可以辅助完成需求对齐、文档生成，设计环节可以辅助架构设计、可行性评估，编码环节可以辅助代码补全、代码Review，测试环节可以自动生成测试用例、定位缺陷，运维环节可以辅助故障排查、自动扩缩容，上述四类场景都已经实现规模化落地。2.下列属于云原生架构的核心要素的有（）A.微服务B.容器化C.服务网格D.不可变基础设施答案：ABCD解析：云原生架构的核心要素包括微服务、容器化、服务网格、不可变基础设施、声明式API五个部分，共同实现了系统的高可扩展性、高可用性和弹性伸缩能力，目前已经成为中大型软件系统的首选架构方案。3.下列属于需求工程环节的典型痛点的有（）A.不同利益相关方的需求存在歧义B.隐性需求难以挖掘C.需求变更频繁，对齐成本高D.需求可以实现100%精确化描述答案：ABC解析：需求的模糊性是软件工程的固有属性，不可能实现100%精确化描述，其余三类都是需求工程环节的典型痛点，LLM驱动的需求对齐方法可以大幅降低这些痛点的影响，但无法完全消除。4.下列属于2026年软件测试环节新增的专项测试类型的有（）A.大模型应用红队测试B.Prompt注入测试C.碳效测试D.单元测试答案：ABC解析：单元测试属于传统软件测试的常规类型，其余三类都是2023年之后随着大模型应用普及和双碳要求落地新增的专项测试类型，所有中大型软件上线前都需要完成这三类测试。5.下列属于DevSecOps的核心实践的有（）A.安全校验环节左移到需求阶段B.全流程自动化安全扫描，高风险漏洞自动阻断发布流程C.AI辅助漏洞挖掘和自动修复D.常态化红蓝对抗测试答案：ABCD解析：上述四类都属于当前DevSecOps的核心实践，实现了安全要求嵌入软件全生命周期，将安全漏洞的发现率提升80%，漏洞修复周期缩短70%。6.下列属于大模型驱动的软件在维护阶段的新增挑战的有（）A.模型漂移导致输出偏离需求B.AI生成代码的溯源难，合规风险高C.依赖的大模型服务迭代频繁，适配成本高D.软件功能缺陷难以修复答案：ABC解析：大模型驱动的软件的功能缺陷修复方式和传统软件没有本质差异，不属于新增挑战，其余三类都是大模型应用特有的维护挑战。7.下列属于2026年软件项目管理的新增核心度量指标的有（）A.AI辅助开发的人效提升率B.代码合规率C.单位请求碳排放量D.需求交付周期答案：ABC解析：需求交付周期属于传统软件项目管理的常规度量指标，其余三类都是2023年之后随着AI技术普及和合规、碳效要求提升新增的核心度量指标。8.下列属于软件伦理的核心要求的有（）A.算法可解释，用户可以查询算法输出的逻辑依据B.算法偏见最小化，避免针对特定群体的歧视性输出C.用户数据隐私保护，严格按照合规要求收集和使用用户数据D.AI生成的内容符合法律法规和公序良俗答案：ABCD解析：上述四类都是当前软件伦理的核心要求，已经纳入《生成式人工智能服务管理暂行条例》的硬性规定，违反要求的企业会面临最高1000万元的罚款。9.下列属于LLM应用开发的特殊性要求的有（）A.Prompt工程成为需求落地的核心环节B.模型微调属于设计和编码环节的核心工作C.需要针对输出的不确定性设计多层校验机制D.需要建立常态化的模型漂移监控和适配机制答案：ABCD解析：LLM应用和传统软件的开发逻辑存在明显差异，Prompt承担了需求传递的核心作用，模型微调是核心开发工作，输出的不确定性需要额外的校验机制，模型漂移的特性要求常态化的运维适配，上述四类都是LLM应用的特殊性要求。10.下列属于低代码/无代码平台的适用场景的有（）A.企业内部管理系统B.小型电商前端页面C.快速产品原型验证D.银行核心交易系统答案：ABC解析：低代码/无代码平台的灵活性和性能有限，不适用于高并发、高安全要求的核心交易系统，其余三类都是低代码/无代码平台的主流适用场景，开发效率较传统编码提升50%以上。三、简答题1.请简述2026年主流的AIGC增强型软件工程范式的核心流程，以及和传统敏捷开发范式相比的核心优势。答案：AIGC增强型软件工程范式的核心流程覆盖软件全生命周期，各环节的核心内容如下：一是需求阶段，通过LLM辅助完成用户访谈纪要的结构化转换、需求一致性校验、用户故事自动拆分和需求规格说明书自动生成，同时自动完成需求的合规性、安全性预评估，淘汰不符合要求的需求；二是设计阶段，AI根据需求文档自动生成架构设计方案、微服务拆分建议、数据库设计文档，同时自动评估架构的可扩展性、安全性、碳效水平，给出优化建议；三是编码阶段，AI实现代码自动补全、重复代码自动生成、代码规范自动校验、代码Review辅助，同时自动完成代码的许可证溯源、漏洞扫描，从源头降低代码风险；四是测试阶段，AI根据需求自动生成测试用例、自动化执行测试、自动定位缺陷根因并给出修复建议，针对大模型应用自动生成Prompt注入测试、偏见测试等专项测试用例；五是运维阶段，AI自动监控系统运行状态、异常日志自动分析、故障根因自动定位、自动完成资源扩缩容和故障自愈，同时持续监控大模型的输出一致性，发现漂移快速预警。和传统敏捷开发范式相比，核心优势体现在四个方面：第一是交付效率大幅提升，全流程的AI辅助使得人效提升30%-60%，交付周期缩短40%以上；第二是质量提升，缺陷发现前置率提升70%，线上故障发生率降低65%；第三是成本降低，需求对齐成本降低60%，运维人力成本降低70%；第四是合规性提升，安全、合规、碳效要求嵌入全流程，从源头避免了合规风险。2.什么是碳效软件工程？请简述其在软件全生命周期的核心实践。答案：碳效软件工程是2023年之后逐步落地的软件工程细分领域，核心是在软件的需求、设计、编码、测试、运维全流程纳入碳排放度量和优化目标，在满足软件功能、性能、安全等要求的前提下，最小化软件全生命周期的碳排放量，适配全球双碳战略的落地要求。其在软件全生命周期的核心实践如下：一是需求阶段，建立需求碳效预评估机制，针对不同的需求实现方案，预估算对应的全生命周期碳排放量，淘汰高碳低价值的需求，在需求优先级排序时将碳效作为核心参考指标；二是设计阶段，优先选择低碳的架构方案，比如Serverless架构的碳效较传统虚拟机架构高40%以上，优化数据存储方案，减少冗余存储的能耗，优先选择可再生能源占比高的云可用区部署系统；三是编码阶段，优化算法复杂度，减少无效计算，针对性能敏感的模块优先选用低能耗的编程语言，比如Rust语言的碳效较Python语言高70%以上，减少代码中的冗余逻辑，降低运行时的算力消耗；四是测试阶段，新增碳效测试环节，度量不同版本软件的单位请求碳排放量，超过阈值的版本不允许上线，针对高碳的代码逻辑给出优化建议；五是运维阶段，动态调度系统负载到可再生能源占比高的云节点，自动关闭闲置资源，优化负载均衡策略减少算力浪费，定期清理冗余存储和过时数据，降低存储能耗。2026年国内已经有超过40%的头部科技企业将碳效作为软件上线的硬约束指标，单位请求碳排放量超标的版本会直接阻断发布流程。3.针对生成式AI辅助开发带来的代码知识产权、供应链安全风险，企业应该建立哪些管控机制？答案：随着生成式AI辅助开发的普及，代码知识产权和供应链安全已经成为企业必须关注的核心风险，对应的管控机制主要包括五个方面：一是代码全链路溯源机制，所有AI生成的代码都要留痕，自动和全球开源代码库做比对，排查代码的来源和对应的许可证类型，避免复用未获得授权的开源代码引发知识产权纠纷，针对采用Copyleft许可证的代码自动触发告警，不允许合并到主分支；二是全流程合规扫描机制，AI生成的代码在提交、构建、测试、部署全流程都要经过自动化的漏洞扫描、恶意代码检测、依赖库供应链安全扫描，发现高风险漏洞和恶意代码自动阻断流程，要求开发人员修复后才能进入下一环节；三是AI生成规则前置配置机制，在企业使用的AI代码辅助工具中，提前配置企业内部的代码规范、禁用的依赖库、合规要求、安全红线，AI生成代码时自动遵循这些规则，从源头减少风险的发生；四是核心代码人工Review机制，涉及核心业务逻辑、资金交易、用户敏感数据的代码，不管是不是AI生成的，都必须经过至少两名资深开发人员的交叉Review，同时经过安全团队的专项校验，确保逻辑正确、没有安全隐患；五是供应链资产统一管理机制，建立企业级的代码资产库，所有引入的第三方代码、AI生成的可复用组件、依赖的开源库都要纳入统一管理，定期做漏洞扫描、许可证校验和版本更新，及时修复供应链安全风险。2025年国内的调研数据显示，建立了上述管控机制的企业，AI辅助开发带来的风险发生率降低了92%。4.什么是LLM应用的“需求漂移”问题？和传统软件的需求变更有什么区别？对应的防控措施有哪些？答案：LLM应用的需求漂移是指大语言模型的输出具有天然的不确定性，即使输入的Prompt保持不变，模型版本迭代、微调数据更新、运行环境变化都可能导致输出结果偏离最初的需求预期，这种非用户主动提出的、由模型侧变化触发的需求偏离就是需求漂移，是LLM应用特有的问题。需求漂移和传统软件的需求变更有四个核心区别：第一是触发主体不同，传统需求变更是用户或者业务方主动提出的，需求漂移是模型侧的变化被动触发的，没有明确的发起主体；第二是可预测性不同，传统需求变更可以通过需求管理流程提前感知，提前评估影响范围，需求漂移往往是隐性的，没有明显的触发信号，难以提前预测；第三是影响范围不同，传统需求变更的影响范围可以通过需求关联分析明确界定，需求漂移可能影响所有调用该模型的业务场景，影响范围难以提前预估；第四是发生频率不同，传统需求变更是离散的，通常在迭代规划时集中提出，需求漂移是持续的，随着模型迭代、数据更新随时可能发生。针对需求漂移的防控措施主要包括五个方面：一是建立Prompt版本管理机制，所有业务场景使用的Prompt都要纳入版本控制系统，变更留痕，每次变更都要经过全量测试验证后才能上线；二是建立输出一致性校验规则，针对核心业务场景的输出，设置关键词、格式、逻辑、合规性等多层校验规则，不符合规则的输出自动拦截，避免异常输出触达用户；三是常态化回归测试机制，每次模型迭代、微调、更新后，都要执行全量的测试用例，验证输出符合需求预期，通过率未达到100%的模型版本不允许上线；四是灰度发布机制，模型版本更新后先小流量灰度上线，收集用户反馈和输出数据，没有异常再逐步放大流量，避免大范围的异常影响；五是线上异常监控机制，线上实时监控模型的输出情况，针对异常输出、用户投诉等信号自动预警，一旦确认发生需求漂移，快速回滚到上一个稳定的模型版本，同时切换到备用输出路径，保障业务可用性。5.请简述2026年DevSecOps的核心实践要点，和2023年相比新增了哪些核心能力？答案：2026年DevSecOps的核心实践要点包括五个方面：一是安全左移到需求阶段，在需求设计环节就由AI自动评估需求的安全风险、合规风险、隐私风险，不符合要求的需求直接打回，避免安全风险进入开发环节；二是全流程自动化安全扫描，从代码提交、构建、测试、部署全流程自动执行静态代码扫描、依赖库漏洞扫描、容器镜像扫描、API安全扫描、敏感数据泄露检测，发现高风险漏洞自动阻断发布流程，不需要人工介入；三是AI辅助漏洞挖掘和修复，AI自动识别漏洞的根因，生成修复建议，针对低风险漏洞甚至可以自动生成修复代码，经过开发人员Review后直接合并，将漏洞修复周期缩短70%；四是常态化红蓝对抗，AI自动生成红队测试用例，持续对系统进行渗透测试，发现潜在的安全隐患，提前修复；五是自动化合规审计，AI自动收集全流程的安全数据，生成等保2.0、数据安全法、生成式AI服务管理条例等合规要求对应的审计报告，减少人工审计成本80%以上。和2023年相比，2026年的DevSecOps新增了三个核心能力：一是AIGC全链路安全管控能力，覆盖AI生成代码的合规校验、大模型输入输出的安全校验、Prompt注入防护、生成内容合规校验等，适配大模型应用开发的安全需求；二是碳效管控能力，将碳效度量和校验嵌入DevSecOps流水线，自动度量每个版本的单位请求碳排放量，超过企业阈值的版本自动阻断发布，适配双碳要求；三是全链路供应链安全管控能力，从代码依赖、容器镜像、第三方API、大模型服务、硬件供应链全链路做安全管控，自动识别供应链安全风险，及时预警，适配全球供应链安全的要求。四、综合应用题某互联网企业计划在2026年上线一款面向C端的AI个性化学习助手，产品核心功能是根据用户的学习数据、学习目标自动生成个性化的学习路径、习题和讲解内容，预计DAU会达到100万，需要支持APP、小程序、网页多端访问，数据涉及用户的身份信息、学习数据、支付信息等敏感内容，同时需要满足《未成年人网络保护条例》《生成式人工智能服务管理暂行条例》的合规要求。请结合软件工程导论的相关知识，给出该产品的全生命周期开发和运维方案，明确各个阶段的核心任务、用到的工具和风险防控措施。答案：该产品属于典型的大模型驱动的C端应用，涉及敏感数据和合规要求，全生命周期的开发和运维方案如下：一是需求阶段，核心任务是对齐业务、产品、开发、安全、合规各方的需求，挖掘隐性需求，输出结构化的需求规格说明书，明确功能需求、非功能需求和合规要求。用到的工具包括LLM辅助需求对齐工具（如阿里AI需求助手、字节ByteDemand）、用户调研工具、需求管理工具Jira、合规评估工具。风险防控措施包括：第一，明确合规边界，针对未成年人用户的个人信息收集、使用严格符合《未成年人网络保护条例》的要求，未成年人用户的所有数据都要经过加密存储，不允许向第三方泄露，针对生成的内容设置青少年模式，过滤不适宜未成年人的内容；第二，用LLM做需求一致性校验，自动比对不同利益相关方的需求冲突点，给出消解建议，确保需求的一致性；第三，需求优先级排序，核心功能（个性化学习路径生成、习题生成、讲解内容生成）优先上线，非核心功能（学习社区、直播课程、社交功能）后续迭代，降低首期交付的复杂度。二是设计阶段，核心任务是完成架构设计、数据库设计、安全设计、大模型选型和微调方案设计，确保系统满足性能、安全、合规要求。架构选择云原生微服务架构，分为用户层、接入层、业务层、模型层、数据层五个层级，用户层负责多端接入，接入层负责流量管控、鉴权、限流，业务层负责用户管理、学习数据管理、订单管理等业务逻辑，模型层负责大模型的调用、微调、Prompt管理，数据层负责数据存储和加密，采用K8s做容器编排，服务网格做流量管控，Serverless承载峰值流量，应对学习高峰时段的流量突增。数据库设计方面，用户的身份信息、支付信息、学习数据等敏感内容存储在加密的分布式关系型数据库，非敏感的习题资源、讲解内容存储在对象存储，所有数据都要做异地多备份。安全设计方面，实现全链路数据加密，传输层采用TLS1.3加密，存储层采用国密算法加密，实现零信任接入，所有接口请求都要做鉴权，敏感数据访问需要申请权限，操作留痕。大模型选型优先选择国内合规的开源大模型（如通义千问开源版、文心一言开源版），基于企业内部的正版学习资源、习题数据做微调，训练数据要获得版权方的授权。用到的工具包括AI架构设计工具ArchGuardAI版、数据库设计工具、大模型微调框架、安全评估工具。风险防控措施包括：第一，架构设计阶段做压力测试预评估，确保系统可以支持100万DAU的峰值流量，预留30%的冗余算力，应对突发的流量增长；第二，安全设计提前通过等保2.0三级的校验，符合《网络安全法》《数据安全法》的要求，避免上线后的合规风险；第三，大模型微调数据要获得版权方和用户的双重授权，避免数据侵权风险。三是编码阶段，核心任务是完成业务代码开发、大模型微调、Prompt工程、核心功能的自测。用到的工具包括AI代码辅助工具（如CodeArtsSnap、GitHubCopilotX）、代码托管平台GitLab、代码Review工具、大模型开发框架LangChain、Prompt管理工具。风险防控措施包括：第一，所有AI生成的代码都要经过溯源和合规扫描，排查许可证冲突和安全漏洞，不符合要求的代码不允许合并到主分支；第二，核心业务逻辑（用户鉴权、支付、学习数据存储、大模型输出校验）的代码经过至少两名资深开发的交叉Rev