联系我们

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

即将举行的公开课程

课程分类