聯繫我們
 課程時長 14 時間:

課程簡介

第一天課程大綱

模組 1 — Claude Code 與 AI 輔助工程簡介

• Claude Code 與傳統 AI 工具的比較
• 軟體工程中的 AI 代理
• 生產力與工作流最佳化
• AI 輔助開發生命週期
• 風險、限制與人類監督
• 即時實作演示

模組 2 — 提示工程基礎

• 有效提示的結構分析
• 零樣本 vs 少樣本提示
• 迭代式提示技術
• 提示鏈的基本概念
• 結構化輸出與格式化
• 提示驗證與品質提升

模組 3 — 用於軟體開發的提示

• 程式碼生成與重構
• AI 輔助除錯
• 文件生成
• Pull Request 審查
• 舊有程式碼的理解
• 確保 AI 生成程式碼的安全與可維護性

模組 4 — 用於測試與品質的提示

• 測試用例生成
• 邊界條件分析
• 可自動化測試設計
• AI 輔助缺陷分析
• Gherkin 與測試場景創建
• 品質驗證工作流

模組 5 — 用於敏捷協作的提示

• 使用者故事與驗收標準
• 需求精煉
• 敏捷溝通支持
• 利害關係人摘要
• 回顧會議協助
• 待辦清單精煉準備

模組 6 — 負責任的 AI、安全性與驗證

• 幻覺現象與 AI 風險
• 機密性與安全提示
• AI 治理原則
• 驗證檢查表
• 提示注入意識
• 人類審查責任

模組 7 — 團隊提示實驗

• 建立可重複使用的團隊提示
• 角色專屬的 AI 工作流
• 提示分享與同儕審查
• 創建團隊提示函數庫 v1
• 互動式協作練習

第二天

模組 1 — Claude Code 進階功能

• CLAUDE.md 與持久專案上下文
• AI 工作流自動化
• 最佳 N 個生成策略 (Best-of-N)
• 可重複使用的 AI 命令
• 上下文工程技術
• AI 輔助工程工作流

模組 2 — 進階提示工程技術

• 思維鏈提示 (Chain-of-thought)
• 多模態提示
• 基於約束的提示
• 進階提示鏈
• 大上下文管理
• 對話式工程工作流

模組 3 — 版本控制、並行開發與多代理工作流

• Git 整合策略
• 並行 AI 開發工作流
• Worktrees 與隔離的 AI 任務
• 多代理編排
• 人在回路檢查點 (Human-in-the-loop)
• 衝突管理策略

模組 4 — 架構、MCP 與進階 DevOps

• 模型上下文協議 (MCP)
• Claude 與外部工具的整合
• AI 輔助架構分析
• 架構決策記錄 (ADR)
• AI 輔助 CI/CD 故障排除
• 事故事後分析與運維工作流

模組 5 — 擴展 Claude Code 與程式碼庫健康度

• Token 與上下文管理
• AI 友好的專案結構
• 程式碼庫的長期可維護性
• 文件自動化
• AI 擴展策略
• 全團隊工程工作流

模組 6 — 頂層設計:定義您的 Claude Code 流程

• 設計可擴展的 AI 輔助工作流
• 結合提示、命令與上下文文件
• 團隊 AI 流程設計
• 跨角色協作模式
• 工作流藍圖創建

模組 7 — 進階團隊提示實驗

• 進階提示函數庫開發
• 複雜的角色專屬工作流
• 實際場景提示驗證
• 跨團隊協作練習
• 團隊提示函數庫 v2

最低要求

第一天 — 基礎

• 具備軟體交付流程的基本認識
• 了解開發、測試或敏捷工作流的一般概念
• 建議具備 Claude 存取權限,以便進行實作練習

第二天 — 進階

• 完成第一天課程(或具備同等經驗)
• 具備 Claude Code 及提示工程概念的先前接觸經驗
• 具備基本的 Git 知識
• 建議熟悉 CI/CD 概念

客戶評論 (2)

即將到來的課程

課程分類