当前主流大语言模型因训练目标设定与架构设计路径的不同,各自形成了差异化的核心优势。其
中,Deepseek-R1在逻辑推理与编程能力上表现尤为突出,尤其适用于数学问题求解、代码生成以及技术文档撰写等对专业严谨性要求较高的任务。鉴于本文需借助大语言模型生成PFCC 模型代码,而DeepSeek-R1的能力特性与这一核心需求高度匹配,因此,本文拟采用DeepSeek-R1作为衔接用户
需求与产品功能拓扑的生成模型。

通过精心设计的提示词,可以将用户对产品的需求以自然语言形式输入至DeepSeek-R1中进行处理。例如,在汽车设计场景中,通过强调“需求中功能组件及其交互关系”并要求生成C&C 模型代
码,DeepSeek-R1就能够生成符合C&C 模型规范的代码。在实际应用中,经过多次迭代优化提示词
策略,发现强调“功能结构”而避免“过度指定端口细节”的方式,能够显著提升生成效果。
这类提示词通常明确约束模型输出集中于核心组件及其连接关系,从而确保生成的代码符合规范并具有良好的可读性和可用性。

相比之下,尽管ChatGPT-4o同样具备生成C&C代码的能力,但在实际测试中其输出稳定性较差,经常
出现代码格式错误或语义不一致问题,导致无法直接用于后续流程。其他大语言模型(如Claude、Gemini等)在生成代码的结构一致性、风格规范性和语法正确性方面表现不一,整体可靠性及可用性仍不及专门优化后的DeepSeek-R1。而且,实践当中发现DeepSeek-R1生成过程的随机性影响较小。因主流模型间差异较大,此处不再逐一展开比较。
生成的C&C模型代码清晰定义了功能组件及各组件之间的连接关系,构成一个符合PFCC规范的有
向图结构。该代码可通过一些可视化建模工具进行解析与可视化。如图所示的有向图就是通过MontiArc工具可视化的结果,从而为系统设计人员提供清晰的结构参考,并支持进一步分析与验证。