课程大纲
关卡 1：发现地牢 – 需求之秘
任务： 使用LLM（ChatGPT）从模糊输入中提取结构化需求。
关键活动：
- 解读模糊的产品理念或功能请求
- 使用AI：
- 生成用户故事和验收标准
- 建议角色和场景
-
生成视觉制品（如使用Mermaid或draw.io绘制简单图表）
成果： 结构化用户故事待办列表 + 初始领域模型/视觉图
关卡 2：设计熔炉 – 架构师卷轴
任务： 使用AI创建并验证架构方案。
关键活动：
- 使用AI：
- 提出架构风格（单体、微服务、无服务器）
- 生成高层组件和交互图
- 搭建类/模块结构骨架
-
通过同行设计评审互相挑战选择
成果： 已验证的架构 + 代码骨架
关卡 3：代码竞技场 – 法典试炼
任务： 使用AI副驾实现功能并优化代码。
关键活动：
- 使用GitHub Copilot或ChatGPT实现功能
- 重构AI生成的代码以优化：
- 性能
- 安全性
- 可维护性
-
注入“代码异味”并进行同行清理挑战
成果： 功能完整、已重构的AI生成代码库
关卡 4：错误沼泽 – 测试黑暗
任务： 使用AI生成和改进测试，然后在他人代码中寻找错误。
关键活动：
- 使用AI生成：
- 单元测试
- 集成测试
- 边缘情况模拟
-
与另一团队交换含错误代码，进行AI辅助调试
成果： 测试套件 + 错误报告 + 错误修复
关卡 5：流水线之门 – 自动机关
任务： 在AI辅助下设置智能CI/CD流水线。
关键活动：
- 使用AI：
- 定义工作流（如GitHub Actions）
- 自动化构建、测试和部署步骤
- 建议异常检测/回滚策略
成果： AI辅助的可运行CI/CD流水线脚本或流程
关卡 6：监控城堡 – 日志瞭望塔
任务： 分析日志，使用ML检测异常并模拟恢复。
关键活动：
- 分析预置或生成的日志
- 使用AI：
- 识别异常或错误趋势
- 建议自动化响应（如自愈合脚本、警报）
- 创建仪表板或视觉摘要
成果： 监控计划或模拟的智能告警机制
最终关卡：英雄竞技场 – 构建终极AI支持的SDLC
任务： 团队应用所学知识，为迷你项目构建可运行的SDLC循环。
关键活动：
- 选择一个团队迷你项目（如bug追踪器、聊天机器人、微服务）
- 在SDLC每个阶段应用AI：
- 需求、设计、代码、测试、部署、监控
- 通过简短团队演示展示成果
同行投票或评判最有效的AI驱动流水线
成果： 端到端AI增强SDLC实施 + 团队展示
完成本工作坊后，参与者将能够：
- 应用生成式AI工具提取和结构化软件需求
- 使用AI生成架构图并验证设计选择
- 使用AI副驾实现和重构生产级代码
- 自动化测试生成并进行AI辅助调试
- 设计能检测并响应异常的智能CI/CD流水线
- 使用AI/ML工具分析日志以识别风险并模拟自愈合
- 通过迷你团队项目展示完全AI增强的SDLC
要求
受众：软件开发人员、测试人员、架构师、DevOps工程师、产品负责人
参与者应具备：
- 对软件开发生命周期（SDLC）的基本理解
- 至少一种编程语言的实际经验（如Python、Java、JavaScript、C#等）
- 熟悉以下方面：
- 编写和阅读用户故事或需求
- 基础软件设计原则
- 版本控制（如Git）
- 编写和执行单元测试
- 运行或解读CI/CD流水线
这是一个中高级工作坊。它非常适合已经身处软件交付团队中的专业人士（开发者、测试人员、DevOps工程师、架构师、产品负责人）。
客户评论 (1)
我获得了关于Python中Streamlit库的知识，我肯定会尝试使用它来改进我们团队中基于R Shiny开发的apps。
Michal Maj - XL Catlin Services SE (AXA XL)
课程 - GitHub Copilot for Developers
机器翻译
