課程簡介

關卡 1:探索地牢——需求的祕密

任務:使用大型語言模型(如 ChatGPT)從模糊輸入中提取結構化需求。

關鍵活動:

  • 解釋模糊的產品想法或功能請求
  • 使用人工智能:
    • 生成用戶故事和驗收標準
    • 建議用戶角色和場景
    • 生成視覺工件(如使用 Mermaid 或 draw.io 創建簡單圖表)

      成果:結構化的用戶故事積壓 + 初始領域模型/視覺圖表

關卡 2:設計工坊——架構師的卷軸

任務:使用人工智能創建和驗證架構計劃。

關鍵活動:

  • 使用人工智能:
    • 建議架構風格(單體、微服務、無服務器)
    • 生成高級組件和交互圖
    • 搭建類/模塊結構
  • 通過同行設計評審挑戰彼此的選擇

    成果:經過驗證的架構 + 代碼骨架

關卡 3:代碼競技場——代碼挑戰

任務:使用人工智能助手實現功能並改進代碼。

關鍵活動:

  • 使用 GitHub Copilot 或 ChatGPT 實現功能
  • 重構人工智能生成的代碼,以提升:
    • 性能
    • 安全性
    • 可維護性
  • 注入“代碼異味”並進行同行清理挑戰

    成果:功能完善、經過重構的人工智能生成代碼庫

關卡 4:Bug 沼澤——測試黑暗

任務:使用人工智能生成和改進測試,然後在他人代碼中尋找 Bug。

關鍵活動:

  • 使用人工智能生成:
    • 單元測試
    • 集成測試
    • 邊緣情況模擬
  • 與另一團隊交換有 Bug 的代碼,進行人工智能輔助調試

    成果:測試套件 + Bug 報告 + Bug 修復

關卡 5:管道門戶——自動化之門

任務:在人工智能輔助下設置智能 CI/CD 管道。

關鍵活動:

  • 使用人工智能:
    • 定義工作流(如 GitHub Actions)
    • 自動化構建、測試和部署步驟
    • 建議異常檢測/回滾策略
      成果:人工智能輔助的、可運行的 CI/CD 管道腳本或流程

關卡 6:監控城堡——日誌瞭望塔

任務:分析日誌並使用機器學習檢測異常並模擬恢復。

關鍵活動:

  • 分析預生成或生成的日誌
  • 使用人工智能:
    • 識別異常或錯誤趨勢
    • 建議自動化響應(如自愈腳本、警報)
    • 創建儀表板或視覺摘要
      成果:監控計劃或模擬的智能警報機制

最終關卡:英雄競技場——構建終極人工智能支持的 SDLC

任務:團隊應用所學知識,爲一個小型項目構建一個可運行的 SDLC 循環。

關鍵活動:

  • 選擇一個團隊小型項目(如 Bug 追蹤器、聊天機器人、微服務)
  • 在 SDLC 的每個階段應用人工智能:
    • 需求、設計、編碼、測試、部署、監控
  • 在簡短的團隊演示中展示成果

同行投票或評審最具效率的人工智能驅動管道

成果:端到端的人工智能增強 SDLC 實現 + 團隊展示

工作坊結束時,參與者將能夠:

  • 應用生成式人工智能工具提取和結構化軟件需求
  • 生成架構圖並使用人工智能驗證設計選擇
  • 使用人工智能助手實現和重構生產級代碼
  • 自動化測試生成並執行人工智能輔助調試
  • 設計能夠檢測和應對異常的智能 CI/CD 管道
  • 使用人工智能/機器學習工具分析日誌,識別風險並模擬自愈
  • 通過一個小型團隊項目展示完整的人工智能增強 SDLC

最低要求

受衆:軟件開發者、測試人員、架構師、DevOps 工程師、產品負責人

參與者應具備:

  • 對軟件開發生命週期(SDLC)的基本理解
  • 至少一種編程語言的實際經驗(如 Python、Java、JavaScript、C# 等)
  • 熟悉以下內容:
    • 編寫和閱讀用戶故事或需求
    • 基本軟件設計原則
    • 版本控制(如 Git)
    • 編寫和執行單元測試
    • 運行或解釋 CI/CD 管道

這是一箇中級到高級的工作坊,非常適合已經參與軟件交付團隊的專業人士(開發者、測試人員、DevOps 工程師、架構師、產品負責人)。

 7 時間:

人數


每位參與者的報價

客戶評論 (1)

即將到來的課程

課程分類