【deepseek用例生成平台-31】批量优化需求最后实现

上节课，我在test文件中成功测试了多线程优化的demo。本节课就来将它合并到项目实际的aiapi.py中吧。

本节难点：

在django的views.py中使用class，并把AIsend_begin_set_play和AIsend_begin_set两个函数都放入class中，通过接口调用实现。

原本是这样的：

参考Demo是这样的：

改造后应该是这样：想获取完整源码的朋友可以进粉丝群~

对应的views.py也需要修改这部分内容：（需要先对class进行实例化）

由于我的接口已经欠费（看来大家学习热情很高，我之前比赛获得的3000元奖金刚充进去没几天就花完了... 所以各位学习者请注意保护好自己的bot_app_key哦~ 实际上接口费用非常低，几块钱就能用很久 )

所以我这里只能写一个假的返回结果用于验证今天的代码：

测试结果如下所示：

可以看到，已经根据不同的用例设计方法，对拆分的功能点进行了重新分类。

最后我们再回顾一下整个需求优化的过程：

首先分解原始需求 → 得到子功能点

然后将子功能点按照适用的用例设计方法进行分类 → 得到分类后的最终列表。

下一节，我们将基于这些经过分解和分类的列表，进行实际的用例生成操作。

虽然这个过程会消耗较多的tokens，但效果确实远胜于直接向AI模型询问用例设计方法。