課程簡介
第 1 層：發現地牢 – 需求祕密
任務： 利用大型語言模型 (ChatGPT) 從模糊輸入中提取結構化需求。
關鍵活動：
- 解讀模糊的產品構想或功能請求
- 使用 AI 進行：
- 生成使用者故事與驗收標準
- 建議角色設定與情境
-
生成視覺產出（例如：使用 Mermaid 或 draw.io 繪製簡單圖表）
成果： 結構化的使用者故事待辦清單 + 初步領域模型/視覺圖
第 2 層：設計熔爐 – 架構師卷軸
任務： 利用 AI 創建並驗證架構計畫。
關鍵活動：
- 使用 AI 進行：
- 建議架構風格（单体、微服務、無伺服器）
- 生成高階組件與互動圖
- 搭建類/模組結構框架
-
透過同儕設計審查挑戰彼此的選擇
成果： 經驗證的架構 + 程式碼骨架
第 3 層：程式競技場 – 法典挑戰
任務： 使用 AI 副駕駛實施功能並優化程式碼。
關鍵活動：
- 使用 GitHub Copilot 或 ChatGPT 實作功能
- 重構 AI 生成的程式碼，關注：
- 效能
- 安全性
- 可維護性
-
注入「程式碼異味」並執行同儕清理挑戰
成果： 功能完整、經重構的 AI 生成程式碼庫
第 4 層：蟲巢沼澤 – 測試黑暗
任務： 使用 AI 生成並改進測試，然後在他人程式碼中尋找錯誤。
關鍵活動：
- 使用 AI 生成：
- 單元測試
- 整合測試
- 邊界情況模擬
-
與另一團隊交換存在錯誤的程式碼，進行 AI 輔助除錯
成果： 測試套件 + 錯誤報告 + 錯誤修正
第 5 層：管線門戶 – 自動機之門
任務： 在 AI 協助下建立智慧 CI/CD 管線。
關鍵活動：
- 使用 AI 進行：
- 定義工作流程（例如：GitHub Actions）
- 自動化建置、測試與部署步驟
- 建議異常偵測/回滾策略
成果： AI 輔助的可用 CI/CD 管線腳本或流程
第 6 層：監控城堡 – 日誌守望塔
任務： 分析日誌，使用機器學習偵測異常並模擬恢復。
關鍵活動：
- 分析預先填充或生成的日誌
- 使用 AI 進行：
- 識別異常或錯誤趨勢
- 建議自動化回應（例如：自癒腳本、警示）
- 建立儀表板或視覺化摘要
成果： 監控計畫或模擬智慧警示機制
最終層：英雄競技場 – 構築終極 AI 支援 SDLC
任務： 團隊運用所學，為微型專案建立可運作的 SDLC 循環。
關鍵活動：
- 選擇團隊微型專案（例如：Bug 追蹤器、聊天機器人、微服務）
- 在每個 SDLC 階段應用 AI：
- 需求、設計、程式、測試、部署、監控
- 在簡短團隊演示中展示成果
同儕投票或評審，選出最有效的 AI 驅動管線
成果： 端到端 AI 增強 SDLC 實施 + 團隊展示
完成此工作坊後，參與者將能夠：
- 應用生成式 AI 工具提取並結構化軟體需求
- 生成架構圖表並使用 AI 驗證設計選擇
- 使用 AI 副駕駛實作並重構生產級程式碼
- 自動化測試生成並執行 AI 輔助除錯
- 設計能偵測並回應異常的智慧 CI/CD 管線
- 使用 AI/ML 工具分析日誌以識別風險並模擬自癒
- 透過微型團隊專案展示完整 AI 增強的 SDLC
最低要求
受眾：軟體開發者、測試工程師、架構師、DevOps 工程師、產品經理
參與者應具備：
- 對軟體生命週期 (SDLC) 的基本理解
- 至少一種程式語言的實務經驗（例如：Python, Java, JavaScript, C# 等）
- 熟悉以下領域：
- 撰寫與閱讀使用者故事或需求
- 基礎軟體設計原則
- 版本控制（例如：Git）
- 撰寫與執行單元測試
- 執行或解讀 CI/CD 管線
此為進階至高級工作坊。適合已加入軟體交付團隊（開發者、測試工程師、DevOps 工程師、架構師、產品經理）的專業人士。
客戶評論 (1)
我獲得了關於Python中Streamlit庫的知識，我肯定會嘗試使用它來改進我們團隊中基於R Shiny開發的apps。
Michal Maj - XL Catlin Services SE (AXA XL)
課程 - GitHub Copilot for Developers
機器翻譯
