根据需求编写单元测试是必要的。但这一过程既耗时、重复性强，又容易出错。VectorCAST 2026中AI驱动的基于需求测试生成器Reqs2x能够自动化处理从需求到可执行、可追溯测试用例之间的各个步骤，同时确保工程师能够掌控进入验证工作流的每一个工件。
Reqs2x利用程序切片技术和大型语言模型，将需求映射到实现这些需求的功能，生成与需求对齐的测试用例，并将两者一并呈现给工程师进行审查。需求可追溯性从一开始就内置其中，而非后期添加。
核心能力
Reqs2x不会绑定到特定的AI服务提供商。可以选择与您的基础设施、数据隐私要求以及合规义务相匹配的大语言模型。该平台支持本地、云和混合部署，让您的组织能够完全掌控数据流向以及模型的管理方式。
需求导入
通过需求网关从DOORS、Polarion或CSV导入
自动将需求映射到功能
通过程序切片技术识别实现各需求的功能
AI生成的可执行测试用例
测试用例与需求规范保持一致，并已准备好供审核
人工参与的审查
所有生成的成果在进入验证工作流之前均由工程师进行审查
符合标准
设计时充分考虑了MISRA C:2025、ISO/IEC人工智能框架以及《欧盟人工智能法案》的要求
自带模型
选择您偏好的大型语言模型（LLM）。支持本地、云端及混合部署
Reqs2x的工作原理
Reqs2x将通常需要大量人工操作的三个步骤实现自动化。
第1步：自动需求映射
Reqs2x将需求与实现这些需求的函数进行映射。需求可通过需求网关（Requirements Gateway）从DOORS、Polarion或CSV文件中导入。映射关系会自动生成，为工程师提供一个清晰的起点，无需手动进行交叉引用。
第2步：基于人工智能的测试生成
VectorCAST利用程序切片技术和大型语言模型，生成与需求规格说明相匹配的可执行测试用例。结果是一组可追溯且可直接进行审查的测试用例，既能减少手动编写的工作量，又不会削弱工程师在该过程中的判断作用。
第3步：人工介入审查
生成的映射和测试用例在进入任何验证工作流之前，都会提交给工程师进行审查。没有任何内容会被自动接受。这确保由人工智能生成的成果与人工编写的测试代码一样，都需经过相同的审查和质量控制。
专为功能安全关键型环境设计
在功能安全关键型开发中，AI工具需要遵循受控流程、具备透明的可追溯性，并接受有效的人工监督。如果缺乏这些条件，AI生成的成果不仅无法提升软件质量，反而会增加审查负担并损害软件质量。
Vector的方法基于模块化、针对特定任务的微代理，这些微代理专为受控环境内精确定义的使用场景而设计。这确保行为的可预测性，简化验证流程，并支持与包括MISRA C:2025、ISO/IEC AI框架以及《欧盟人工智能法案》在内的行业标准保持一致。
Reqs2x可集成到自动化质量监控管道中，通过高级分析和报告功能丰富测试自动化结果，支持步骤级指标、流程级覆盖率以及贯穿整个生命周期的可追溯性。
自带模型
Reqs2x不会将您绑定到特定的AI服务提供商。您可以根据自身的基础设施、数据隐私要求和合规义务，选择合适的大语言模型。该平台支持本地、云和混合部署，让您的组织能够完全掌控数据流向以及模型的管理方式。
视频：AI驱动的基于需求的测试
介绍Reqs2x如何集成到VectorCAST单元测试工作流中，以支持功能安全关键环境中的需求分析、测试生成和可追溯性。
涵盖主题
- AI如何在VectorCAST中支持基于需求的功能测试
- 如何提升需求、测试与代码之间的可追溯性
- AI如何在确保工程师保持控制权的同时减少手动创建测试的工作量
- VectorCAST生态系统中基于AI的工作流详解