【deepseek用例生成平台-28】需求优化弹层开始优化后台功能

本节课我们要搞定需求优化的后端函数：begin_set

这里需要注意的是：该步骤耗费资源(接口成本和时间)较大，所以设计的时候我就是采用了可绕过。也就是用户可以不点击需求优化按钮，直接就用需求分解后的多个功能点(小需求)保存后 直接生成用例。

当然，不差钱的主可以走需求优化这一步骤，效果肯定是要优于原本的。

也就是说：

原始需求直接生成用例 < 原始需求分解后生成用例 < 原始需求分解后再优化后生成用例。

市面上的AI生成用例，基本都是第一阶段，直接让AI分析原始需求生产用例。这也是综合了成本后的性价比选择。

所以我做的这个用例生成平台，就是要这三种都可以用，给用户一个自主选择的机会。

该函数思路如下：

就是先从前端获取到原始需求old_srs和分解后需求new_srs和项目id。根据项目id从数据库提取出srs_case_set，并把其中的内容经过整理后通过并发的方式发给AI接口，并把获取到的内容整理后展示到前端，前端用户在确认没问题或手动修改后点击保存。

所以，前端的begin_set函数，需要改成这样：（get改post，新增old_srs和new_srs）

def begin_set(request):    # 从前端和数据库获取必要数据    body = json.loads(request.body)    old_srs = body['old_srs']    new_srs = body['new_srs']    project_id = int(request.GET['project_id'])    srs_case_set = eval(DB_project.objects.filter(id=project_id)[0].srs_case_set)    # 调用AI接口获得返回结果    new_srs_end = AIsend_begin_set(old_srs,new_srs,srs_case_set)    # 整理结果后返回给前端    return HttpResponse(json.dumps(new_srs_end),content_type='application/json')

然后再看后端views.py：

如上图，上面的几句，都是从前端获取数据，和去数据库拿数据的代码。也就是完成了我们的第一步。

接下来，调用AI接口，和整理这些话术的功能。我们交给一个全新的函数去做：

AIsend_begin_set

这样的设计，其实就很正式了，views.py中的begin_set作为视图逻辑层，专门负责跟前端交互数据用，真正处理业务的独立出一个业务层函数AIsend_begin_set来处理。

所以其他部分写这样：

关于这个复杂并发的AIsend_begin_set函数如何实现，欢迎收看下一节吧~