ARTICLE · 1160817
AI赋能软件工程教学探索之数据流图与数据建模
AI赋能软件工程教学探索之数据流图与数据建模在当下软件工程课程教学中，大模型早已不再是陌生的辅助工具。从需求分析绘图、数据建模拆分，到逻辑梳理、范式校验，AI可以快速完成大量基础性、重复性的设计工作。 但在课堂实操中我始终强调一个核心：AI是高效工具，绝对不是决策主体。学生可以借助大模型快速产出设计成果，但设计的逻辑对错、规范与否、落地可行与否，最终必须由设计者审核、把控、兜底。这也是新时代软件工程学习者，必须建立的AI使用思维。 本次课堂，我们以数据流图设计+数据建模完整流程为实操案例，探索了「AI生成+人工审核+二次校验迭代」的全新学习模式，让学生真正学会借力AI、超越AI。 在需求分析阶段，我们让大模型辅助生成项目数据流图。不得不承认，AI出图速度极快，能够快速根据需求提示搭建基础框架。但提示词无法做到百分百详尽，甲方真实业务逻辑、项目隐性需求，AI很难精准捕捉，很容易出现逻辑偏差、流程错漏。 因此我给学生明确了人工审核三大核心工作，这也是设计者不可替代的边界能力。 第一，审核数据流走向与真实业务逻辑是否匹配。AI只会根据字面指令生成内容，无法理解业务场景的底层逻辑，经常出现流程颠倒、多余步骤、缺失核心业务节点等问题，需要学生对照既定需求逐一核对修正。 第二，校验全图命名规范性与完整性。很多AI生成的图纸会出现命名杂乱、页面遗漏、术语不统一等问题，学生需要逐一规整命名，确保所有业务处理页面、流程节点完整覆盖，符合软件工程规范标准。 第三，判断子流图划分的合理性。子流图的分层细化，直接决定后续开发的落地性。AI常出现分层过粗、重点流程不细化、次要流程过度拆分的问题，需要学生自主决策，精准划分层级，让整体结构清晰合理。 更关键的是，这套审核工作，同样可以借助专属AI Agent辅助完成二次校验。我们可以自定义审核Agent的规则，让它专注逻辑核查、规范校验、分层纠错。但所有校验结果，最终决策权必须归属于设计者。工程设计的责任从来不在工具，而在人，只有亲自审核、判断、修正，才能对项目成果真正负责。 完成数据流图设计后，我们进入核心的数据建模环节，同样遵循「AI生成+人工审定」的原则。 大模型可以快速根据数据流图拆分数据表、生成基础字段，但学生必须完成两层专业审定。首先，核验字段、数据表的完整性，结合资深架构师的专业思维，判断当前数据表是否能够完全支撑全部业务流程，补齐缺失字段、合并冗余表格。 其次，严格完成数据库范式优化。我们要求学生在AI初版模型基础上，完成范式拆分优化，优先满足BC范式、第三范式，最低保证第二范式。通过人工梳理，消除数据冗余、依赖混乱、更新异常等问题，让数据结构更加规范、稳定、可扩展。 整套实操流程结束后，我要求学生做最后一步复盘迭代：将初始AI生成版本、人工优化迭代版本再次交由大模型对比分析。 通过智能对比，学生可以清晰看到：自己的逻辑漏洞、思维局限、优化亮点在哪里，在哪些环节过度依赖AI、哪些决策判断有所进步。这种复盘方式，能快速打破固化思维，实现工程设计能力的高效提升。 最后想和所有软件工程学习者说：AI可以替代苦力，却永远替代不了专业判断力。 未来的软件开发，拼的不再是画图、制表、写基础代码的速度，而是业务理解能力、规范把控能力、风险判断能力、决策兜底能力。 善用AI、敬畏专业、守住边界，才是新时代软件工程人才的核心竞争力。