蓝图怎么变现实？软件工厂的三级建设路径与演进方向【软件工厂系列③】

01 从框架到实践

在前两期内容中，第一篇梳理了军工软件研发体系（军工软件工厂建设路径：从顶层设计到工程化落地的全景解读【软件工厂系列①】），第二篇提出了软件工厂的三层协同模型和DevSecOps（军工软件工厂工程框架：三层协同模型如何打通研发效能“最后一公里”【软件工厂系列②】）。

本篇要回答的问题是：这一框架如何落地。

在三层协同模型中，功能平台层是技术落地的核心载体。以下的建设路径，主要围绕功能平台层的工程实现展开，同时兼顾机制方法层和业务模式层的配套建设。软件工厂的建设无法一步到位。它需要在遵守现有规则的前提下，按阶段递进，每一阶段都有明确的交付物和可验证的效果。

建设路径的设计必须兼顾"见效速度"和"体系深度"：速度太快根基不牢，推进太慢则团队逐渐失去动力。

嘉为蓝鲸在服务多个行业客户的过程中，形成了一套从工具链贯通到体系化运营的分级建设路径。这套路径并非唯一标准，但其可操作性已经在实践中得到验证。

02 分级建设路径：从工具链贯通到体系化运营

软件工厂的建设可以分为三个递进的阶段。 每一阶段都是在前一阶段的基础上深化，不要求颠覆性变革。

这一三级路径与GJB 5000B的成熟度等级递进方向一致：

1）第一阶段：工具链贯通

这一阶段的核心目标是打通需求、代码、构建、测试、部署之间的工具断点，消除数据孤岛，让研发过程在线化。

在物理隔离环境下，工具链贯通还需要考虑跨网络数据摆渡和安全审批流程。军工研发团队通常已经拥有若干独立的工具：需求管理用一套系统，代码管理用另一套，测试可能还在用Excel表格。这些工具之间的数据不互通，导致信息需要人工搬运，版本容易错乱。工具链贯通不意味着替换所有现有工具，而是在关键节点建立连接。需求状态的变更自动同步到任务系统，代码提交自动触发构建和测试，测试结果自动反馈到需求追溯矩阵。这些连接的建立，使研发过程的原始数据开始积累，为后续的度量和改进奠定基础。这也是相对快速的起点。

在完成保密审批和部署准备后，核心工具链的对接可在相对短的周期内分步推进，让研发团队感受到效率改善的可感知效果。

2）第二阶段：流程规范化

在工具链贯通的基础上，这一阶段的核心目标是将研发流程固化到平台中，将GJB 5000B的关键节点对齐到流水线， 实现质量门禁自动化。在军工场景下，还需要对齐三员分立下的权限管控要求。具体而言，是将组织的研发规范转化为平台中的模板和规则。

• 代码提交必须满足哪些条件才能进入评审？
• 评审通过的标准是什么？
• 构建失败时如何处理？
• 测试覆盖率低于阈值时是否阻断流程？

这些规则在平台中配置后，由系统自动执行，确保执行的一致性和可追溯性。质量门禁的自动化是这一阶段的关键交付物。嘉为蓝鲸持续集成平台·CCI将编译构建、代码扫描、自动化测试、质量门禁等环节串联为可视化流水线。

CGuard质量门禁工具在关键节点设置检查规则，减少人工干预的空间。

3）第三阶段：体系化运营

当工具链贯通和流程规范化完成后，组织面临的挑战从"如何执行"转向"如何改进"。这一阶段的核心目标是构建组织级度量体系，驱动持续改进，形成工程化文化。

在多院所协作环境下，还需要建立跨组织的度量体系。

度量的价值不在考核，而在让问题可见。

• 代码提交频率下降，可能意味着需求变更过于频繁；
• 构建成功率持续走低，往往说明代码基线的稳定性不足；
• 测试覆盖率长期停滞，则通常暗示测试用例的设计质量需要提升。

这些数据在CMeas效能洞察平台中以多维度视图呈现，不同层级的管理者可以看到各自关心的指标。体系化运营的最终目标，是让"改进"不再依赖个别经验丰富的人员，而是有数据支撑、有机制保障的组织能力。

03 工具链落地：端到端DevSecOps平台的工程实现

软件工厂的分级建设路径需要一套端到端的DevSecOps平台作为技术载体。这七个环节覆盖了从需求到交付的完整生命周期。

每个环节对应军工研发场景中的一个关键工程活动。以下分别说明平台能力如何与军工研发场景对接。

1）需求协同

军工软件研发的需求管理具有鲜明的层级特征：型号规划分解为项目任务，项目任务分解为软件需求，软件需求进一步分解为模块设计和测试用例。

这种多层级的分解和追踪，在传统模式下往往依赖文档和会议，变更时容易产生信息断层。需求协同环节的核心，是让型号规划到模块设计的层级分解和变更追溯全程在线。CTeam支持自定义需求模型，可适配瀑布、敏捷及过渡态等多种管理模式。上游需求变更时，支持变更影响的追溯与同步，降低回归风险。需求分解完成后，进入代码开发环节。

2）代码管理

军工场景下的代码管理面临三类挑战：

• 三种网络模式下的Git工作流支持
• 保密要求下的精细化权限管控
• 大规模代码库的性能和稳定性

CCode在跨网和单机场景下通过差异同步机制实现代码回传，版本历史在隔离边界两侧保持连续。代码提交后，自动触发持续集成流水线。

3）持续集成

持续集成是DevSecOps流水线的核心环节。

在军工场景下，它的价值不仅在于加速构建，更在于将质量门禁嵌入日常研发流程。

CCI提供可视化流水线编排，覆盖编译构建、代码扫描、自动化测试、质量门禁等环节。其中代码扫描环节集成多款检查工具，对代码缺陷、安全漏洞、编码规范等进行自动检查。

对于C/C++混编的复杂装备软件，代码扫描可以有效补充人工复查的覆盖范围。构建通过后，进入测试验证环节。

4）测试验证

测试验证是军工软件研发的核心环节。

军工场景下的测试具有鲜明的层级特征：从单元测试、集成测试，到仿真测试、软件在环测试、硬件在环测试，每一层都有明确的目标和验证范围。

这一多层级的测试体系，是军工装备软件质量保障的关键。

软件工厂平台为测试验证提供工程化支撑：自动化测试用例管理与执行、测试结果自动回溯到需求、覆盖率数据自动采集与分析、测试环境配置的版本化管理。

CTest测试管理平台承载测试用例库与测试计划管理，将分散的测试活动纳入统一管理。

这些能力使测试过程有数据可查、有记录可追溯，为GJB 5000B验证与确认（VV）实践域提供工程化支撑。测试结果作为质量门禁的判定依据。

5）质量门禁

质量门禁是将GJB 5000B合规要求提供工程化支撑的关键机制。它将质量要求分解为多个可自动判定的规则，分布在流水线的关键节点，避免只在流水线末尾设置单一检查点。

嘉为蓝鲸CGuard质量门禁工具与流水线结合，在关键节点设置可配置的检查规则。代码提交、编译构建、自动化测试、制品晋级等环节各自关联对应的门禁条件。

这种机制使质量问题在萌芽阶段就被捕获，而不是在评审会或审计时才暴露。门禁通过后，制品进入晋级流程。

6）制品管理

军工软件的三库管理要求（开发库、受控库、产品库）是制品管理的核心规则。

三库管理是GJB 5000B配置管理（CM）实践域在军工场景下的具体实现。

制品在不同库之间的晋级流程对应CM实践域的配置项变更控制要求。

制品管理环节的核心是三库晋级。

• 开发库进入受控库：自动触发预设的验证流程；
• 受控库进入产品库：再次触发更严格的检查。

整个过程的状态、记录、审批意见全部在线留痕，为审计提供可追溯的原始数据和过程证据。全流程的数据最终汇聚到效能度量平台。

7）效能度量

度量是持续改进的基础。没有数据支撑，改进就只能是经验驱动，难以复制和规模化。效能度量环节让不同层级的管理者看到各自关心的数据：

工具链贯通之后，研发过程开始产生大量原始数据。如何让这些数据转化为改进动力，需要一套系统的度量体系。

04 度量驱动：从数据可见到持续改进

GJB 5000B的测量与绩效管理(MPM)实践域贯穿多个成熟度等级，要求组织建立与自身等级相匹配的测量能力。其深层意图是让研发过程中的问题变得可见，而不是建立一套考核指标。

不可见的问题无法被改进。

• 测试用例的复用率如果不透明，重复造轮子的成本就无从知晓；
• 构建失败的根因不去记录，同样的环境问题就会反复出现；
• 需求变更的影响范围一旦无法追溯，回归测试的覆盖度就只能靠经验估算。

度量体系的建设围绕三个环节展开：

1）度量什么： 取决于组织的改进目标

• 工具链贯通阶段：关注需求交付周期和构建成功率；
• 流程规范化阶段：关注测试覆盖率和缺陷密度；
• 体系化运营阶段：关注组织级的效能趋势和基准对比。

2）如何采集： 取决于工具链的贯通程度

研发活动在统一平台上完成时，原始数据的采集可以自动化进行。

代码提交记录、构建日志、测试结果、评审意见等数据在产生的同时就被系统捕获。

3）如何使用： 是度量体系成败的关键

数据显示某类缺陷在特定模块中反复出现时，团队可以针对性地加强该模块的代码审查。数据显示某条流水线的构建时间持续延长时，团队可以优化构建脚本或拆分构建步骤。

嘉为蓝鲸效能洞察平台·CMeas支持从项目、迭代、团队、个人等多个维度构建度量视图。每个视图都可以自定义指标和展示方式，使不同层级的管理者看到各自关心的数据，而不被无关信息干扰。当度量体系建立后，组织积累了大量的过程数据。

这些数据为AI技术的引入提供了基础——AI可以基于历史数据辅助代码审查、测试生成和日志分析。

05 智能化演进：AI赋能软件工厂的方向与边界

AI在软件工程领域的应用正在快速扩展。代码辅助、测试用例生成、构建日志智能解析、知识库问答等方向，都已经出现了可用的技术方案。但在军工场景下，AI的应用需要审慎评估安全边界和适用边界。当前阶段，AI在软件工厂中的定位应当是辅助角色，不是替代人工。

代码辅助、测试用例生成、构建日志解析等方向已有可用方案，但涉及核心算法、边界条件覆盖和根因分析时，仍需人工审查与专业判断。AI是软件工厂的演进方向，不是当前建设的核心能力。当前的建设重点仍然是工具链贯通、流程规范化和度量体系建设。AI能力可以在这一基础之上逐步引入，作为效率提升的加速器。

06 结语：工程化实践推动体系演进

软件工厂的价值在于：在现有体系基础上推动执行方式的工程化升级，通过工程化手段让现有体系运转得更顺畅、更高效、更可度量。

规则是工程化的基础，工程化是规则落地的保障。

嘉为蓝鲸作为深耕研运领域二十余年的解决方案提供商，持续关注军工软件工程化的演进方向。其一站式DevOps平台从需求协同到制品交付的全链路能力，围绕"推动研发体系的工程化演进"这一目标持续迭代。