【deepseek用例生成平台-16】需求分解功能

一般来说，会把长篇大论的需求，找出所有的功能点，再对每个功能点写测试用例。所以AI生成用例的一大步骤，就是对需求进行分解。会分解成多个功能点。

这一步显然用到了AI的大自然语言模型LLM，也就是当下最火的deepseek，当然其他模型也可以替代，看各位预算了。本质上都是调用接口，传入问答，消耗tokens。

具体你有五种方案调用：

1. 直接调官网的公共接口，肯定是要花钱的，并不多，效果A。不推荐。

2. 自己在比如腾讯云中部署一个专属智能体，可以有训练，有性格还比较私密，但同样的，虽有免费额度也要花钱，并不多。效果A+。推荐公司落地时购买。

3. 自己购买云服务器部署deepseek，接口调用简单，可以有更深度的自定义设置，但收费按小时计算，开销巨大。推荐更专业的中大型团队落地时使用。

4. 自己在本地电脑通过ollama部署deepseek，好处是免费，坏处是部署的最多就是14B，效果低下无法入眼，并且造成电脑卡顿发热甚至烧毁，所以不推荐。

5. 调用本教程的学习用接口，免费且无需上述方法的麻烦部署过程，效果A+，但仅限学习使用，你的点赞和回复分享等收益我会用到购买这个接口的成本中(会对特频繁调用的IP进行限制哦~，避免有人真的在公司使用导致给大家学习用充的值瞬间被消耗光)。很推荐！

不管怎么说，大家都是主要以学习部署目的来看这篇教程，所以会部署就可以了。

下面来正式开发吧：

打开SrsSet.vue，找到开始分解按钮，并给它添加一个点击事件：srs_fj

给下方的多行文本框，绑定一个变量：old_srs

在script中，声明这个变量和这个方法。

然后开始写一个post请求，目的是把old_srs的内容传递给后台。并且把返回来的分解后的需求赋值给另一个新的列表型变量：new_srs

接下来是把这个new_srs用循环的方式显示到上方分解结果中：

接下来，我们得去django后台去搞定这个接口srs_fj了。

urls.py：

views.py：（先写个假数据进去，不请求真接口，来测试old_srs传输和前端显示效果）

然后测试下效果：

好，本节到此结束，下节课再见！