聯繫我們

課程簡介

模塊1:背景、範圍與交付挑戰

  • 自動完成與自主多步驟執行
  • 軟件交付中的典型AI誤解
  • 爲什麼僅靠更好的提示是不夠的
  • 識別參與者的工具、痛點與目標
  • 爲工程團隊選擇正確的AI操作模型

模塊2:需求攝入與結構化分解

  • 構建利益相關者文檔的結構化清單
  • 需求提取技術
  • 分塊策略:結構、語義、滑動窗口
  • 保留依賴關係和交叉引用
  • 處理表格、圖表、流程圖和混合輸入
  • 有效管理上下文窗口

模塊3:人類判斷邊界

  • 人類決策的關鍵領域
  • 識別幻覺依賴
  • 檢測僞造的約束和倒置邏輯
  • 防止不安全的默認幫助
  • 可追溯性、一致性和完整性的驗證框架

模塊4:從需求到代碼的代理工具

  • 架構優先的交付模型
  • 組件映射與服務邊界
  • API合同作爲交付錨點
  • AI工具中的持久規則與約束
  • 與需求相關的任務指令
  • 最小提示與約束提示方法
  • 合同優先的後端與前端生成

模塊5:代理迭代循環

  • 自我糾正螺旋
  • 受控的迭代交付週期
  • 審查差異和代碼變更
  • 檢測範圍蔓延和未經授權的修改
  • 管理有限的上下文記憶
  • 利用迭代歷史進行持續改進

模塊6:代碼質量強化

  • 邊緣案例的提示約束
  • 規則文檔作爲動態治理工件
  • 使用Linting和靜態分析的自動化門控
  • AI生成代碼中的安全掃描
  • 依賴與架構一致性檢查
  • AI輸出的人工審查協議

模塊7:反饋循環與持續改進

  • 將結構化失敗反饋到AI工作流程中
  • 有界迭代與停止標準
  • 記錄循環與結果
  • 隨時間改進規則文檔
  • 構建可重用的工程智能

模塊8:AI交付中的安全反模式

  • 生成代碼中的常見安全風險
  • 技術特定的安全規則附錄
  • 預提交安全掃描
  • AI輔助開發的安全SDLC控制
  • 安全交付中的人類責任

模塊9:基於需求的測試錨定

  • 從需求生成測試規範
  • 領域語言測試設計
  • 安全生成測試實現
  • 變異測試概念
  • 規範覆蓋驗證
  • 斷言強度審查
  • 診斷提問模型

模塊10:系統維護

  • 動態工件:合同、映射、規則、測試規範
  • 隨時間演變的約束
  • AI治理以實現長期可維護性
  • 使用AI控制預防技術債務
  • 可持續AI工程團隊的操作模型

最低要求

參與者應具備:

  • 軟件開發項目經驗
  • 對應用架構基礎的理解
  • 熟悉API、後端/前端系統或全棧交付
  • 敏捷或迭代軟件交付的基礎知識
  • 瞭解軟件測試概念
  • 接觸過AI編碼工具會有所幫助,但不是必須的
  • 適合中級到高級技術專業人員
 14 小時

人數


每位參與者的報價

即將到來的課程

課程分類