感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
模块1:背景、范围与交付挑战
- 自动完成与自主多步骤执行
- 软件交付中的典型AI误解
- 为什么仅靠更好的提示是不够的
- 识别参与者的工具、痛点与目标
- 为工程团队选择正确的AI操作模型
模块2:需求摄入与结构化分解
- 构建利益相关者文档的结构化清单
- 需求提取技术
- 分块策略:结构、语义、滑动窗口
- 保留依赖关系和交叉引用
- 处理表格、图表、流程图和混合输入
- 有效管理上下文窗口
模块3:人类判断边界
- 人类决策的关键领域
- 识别幻觉依赖
- 检测伪造的约束和倒置逻辑
- 防止不安全的默认帮助
- 可追溯性、一致性和完整性的验证框架
模块4:从需求到代码的代理工具
- 架构优先的交付模型
- 组件映射与服务边界
- API合同作为交付锚点
- AI工具中的持久规则与约束
- 与需求相关的任务指令
- 最小提示与约束提示方法
- 合同优先的后端与前端生成
模块5:代理迭代循环
- 自我纠正螺旋
- 受控的迭代交付周期
- 审查差异和代码变更
- 检测范围蔓延和未经授权的修改
- 管理有限的上下文记忆
- 利用迭代历史进行持续改进
模块6:代码质量强化
- 边缘案例的提示约束
- 规则文档作为动态治理工件
- 使用Linting和静态分析的自动化门控
- AI生成代码中的安全扫描
- 依赖与架构一致性检查
- AI输出的人工审查协议
模块7:反馈循环与持续改进
- 将结构化失败反馈到AI工作流程中
- 有界迭代与停止标准
- 记录循环与结果
- 随时间改进规则文档
- 构建可重用的工程智能
模块8:AI交付中的安全反模式
- 生成代码中的常见安全风险
- 技术特定的安全规则附录
- 预提交安全扫描
- AI辅助开发的安全SDLC控制
- 安全交付中的人类责任
模块9:基于需求的测试锚定
- 从需求生成测试规范
- 领域语言测试设计
- 安全生成测试实现
- 变异测试概念
- 规范覆盖验证
- 断言强度审查
- 诊断提问模型
模块10:系统维护
- 动态工件:合同、映射、规则、测试规范
- 随时间演变的约束
- AI治理以实现长期可维护性
- 使用AI控制预防技术债务
- 可持续AI工程团队的操作模型
要求
参与者应具备:
- 软件开发项目经验
- 对应用架构基础的理解
- 熟悉API、后端/前端系统或全栈交付
- 敏捷或迭代软件交付的基础知识
- 了解软件测试概念
- 接触过AI编码工具会有所帮助,但不是必须的
- 适合中级到高级技术专业人员
14 小时