课程大纲
关卡 1:探索地牢——需求的秘密
任务:使用大型语言模型(如 ChatGPT)从模糊输入中提取结构化需求。
关键活动:
- 解释模糊的产品想法或功能请求
-
使用人工智能:
- 生成用户故事和验收标准
- 建议用户角色和场景
-
生成视觉工件(如使用 Mermaid 或 draw.io 创建简单图表)
成果:结构化的用户故事积压 + 初始领域模型/视觉图表
关卡 2:设计工坊——架构师的卷轴
任务:使用人工智能创建和验证架构计划。
关键活动:
-
使用人工智能:
- 建议架构风格(单体、微服务、无服务器)
- 生成高级组件和交互图
- 搭建类/模块结构
-
通过同行设计评审挑战彼此的选择
成果:经过验证的架构 + 代码骨架
关卡 3:代码竞技场——代码挑战
任务:使用人工智能助手实现功能并改进代码。
关键活动:
- 使用 GitHub Copilot 或 ChatGPT 实现功能
-
重构人工智能生成的代码,以提升:
- 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:功能完善、经过重构的人工智能生成代码库
关卡 4:Bug 沼泽——测试黑暗
任务:使用人工智能生成和改进测试,然后在他人代码中寻找 Bug。
关键活动:
-
使用人工智能生成:
- 单元测试
- 集成测试
- 边缘情况模拟
-
与另一团队交换有 Bug 的代码,进行人工智能辅助调试
成果:测试套件 + Bug 报告 + Bug 修复
关卡 5:管道门户——自动化之门
任务:在人工智能辅助下设置智能 CI/CD 管道。
关键活动:
-
使用人工智能:
- 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:人工智能辅助的、可运行的 CI/CD 管道脚本或流程
关卡 6:监控城堡——日志瞭望塔
任务:分析日志并使用机器学习检测异常并模拟恢复。
关键活动:
- 分析预生成或生成的日志
-
使用人工智能:
- 识别异常或错误趋势
- 建议自动化响应(如自愈脚本、警报)
-
创建仪表板或视觉摘要
成果:监控计划或模拟的智能警报机制
最终关卡:英雄竞技场——构建终极人工智能支持的 SDLC
任务:团队应用所学知识,为一个小型项目构建一个可运行的 SDLC 循环。
关键活动:
- 选择一个团队小型项目(如 Bug 追踪器、聊天机器人、微服务)
-
在 SDLC 的每个阶段应用人工智能:
- 需求、设计、编码、测试、部署、监控
- 在简短的团队演示中展示成果
同行投票或评审最具效率的人工智能驱动管道
成果:端到端的人工智能增强 SDLC 实现 + 团队展示
工作坊结束时,参与者将能够:
- 应用生成式人工智能工具提取和结构化软件需求
- 生成架构图并使用人工智能验证设计选择
- 使用人工智能助手实现和重构生产级代码
- 自动化测试生成并执行人工智能辅助调试
- 设计能够检测和应对异常的智能 CI/CD 管道
- 使用人工智能/机器学习工具分析日志,识别风险并模拟自愈
- 通过一个小型团队项目展示完整的人工智能增强 SDLC
要求
受众:软件开发者、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)
-
熟悉以下内容:
- 编写和阅读用户故事或需求
- 基本软件设计原则
- 版本控制(如 Git)
- 编写和执行单元测试
- 运行或解释 CI/CD 管道
这是一个中级到高级的工作坊,非常适合已经参与软件交付团队的专业人士(开发者、测试人员、DevOps 工程师、架构师、产品负责人)。
客户评论 (1)
讲师在Copilot高级使用方面的知识,以及充足且高效的实践环节
Tan - ViTrox Technologies Sdn Bhd
课程 - Intermediate GitHub Copilot
机器翻译