主要观点：研究活动需探索想法，包括软件开发等，大型语言模型（LLM）能生成可执行软件，此研究强调图论应用案例的积极成果，几分钟内通过提示生成功能软件，节省工程时间，研究旨在突出技术带来的机会利益，而非仅关注成本节省。

关键信息：

• 介绍了在软件工程中创建软件代码基础静态模型的方法，以及静态分析在医疗设备软件开发中的作用。
• 以波士顿科学公司的案例为例，说明创建新的设计约束需要利用调用图数据进行软件开发实验。
• 比较了不同 LLM（如 OpenAI ChatGPT-4o、Anthropic Haiku）在生成 Python 脚本方面的效果，包括手动创建代码和使用 LLM 生成代码的过程。
• 强调测试在脚本开发中的重要性，无论是手动编写还是由 LLM 生成。
• 总结了传统软件工程方法和使用 LLM 的方法的比较，以及 LLM 实验中的一些思考和经验教训。

重要细节：

• 详细描述了调用图的结构和作用，以及在发现现有函数调用路径时遇到的困难，如手动搜索的局限性和复杂调用图的处理。
• 展示了使用 Graphviz 等工具将调用图信息转换为 DOT 格式并渲染为图形的过程。
• 介绍了不同 LLM 生成 Python 脚本的具体过程和遇到的问题，如 Anthropic Haiku 的第一次尝试失败，以及通过调整提示策略取得成功的案例。
• 提到了提示策略的重要性，如标准提示和链式思考提示的比较，以及过度工程化提示可能导致的不良结果。
• 强调了在使用 LLM 生成脚本时进行测试的必要性，以及使用实际项目代码进行测试的方法。
• 分享了个人在使用 LLM 过程中的思考和感受，包括对习惯改变的挑战以及积极自我训练的重要性。

参考文献列出了相关的研究论文和书籍。