課程簡介
等級 1：探索迷宮 – 需求之秘
任務：使用 LLMs（ChatGPT）從模糊輸入中提取結構化的需求。
主要活動：
- 解讀模棱兩可的產品構想或功能請求
- 使用 AI：
- 產生使用者故事和驗收標準
- 建議人物誌和情境
產生視覺化產物（例如，使用 Mermaid 或 draw.io 建立簡單圖表）
成果：結構化的使用者故事後備清單 + 初始領域模型/視覺圖表
等級 2：設計熔爐 – 架構師的捲軸
任務：使用 AI 建立並驗證架構計畫。
主要活動：
- 使用 AI：
- 建議架構風格（单体、微服務、無伺服器）
- 產生高階元件和交互圖表
- 建立類別/模組結構的骨架
透過同伴設計審查挑戰彼此的選擇
成果：驗證過的架構 + 程式碼骨架
等級 3：程式碼競技場 – Codex 大考驗
任務：使用 AI 副駕實現功能並改善程式碼。
主要活動：
- 使用 GitHub Copilot 或 ChatGPT 實現功能
- 重構 AI 產生的程式碼，以：
- 提升效能
- 增強安全性
- 提高可維護性
注入 "code smells"（代碼壞味道）並進行同伴清理挑戰
成果：功能完整、經重構的 AI 產生程式庫
等級 4：除錯沼澤 – 測試黑暗面
任務：使用 AI 產生並改善測試，然後找出他人程式碼中的錯誤。
主要活動：
- 使用 AI 產生：
- 單元測試
- 整合測試
- 邊界情況模擬
與其他團隊交換包含錯誤的程式碼，進行 AI 輔助除錯
成果：測試套件 + 錯誤報告 + 錯誤修復
等級 5：管線門戶 – 自動化閘門
任務：在 AI 協助下設定智慧 CI/CD 管線。
主要活動：
- 使用 AI：
- 定義工作流程（例如 GitHub Actions）
- 自動化建置、測試和部署步驟
- 建議異常檢測/回滾策略
成果：AI 輔助且可運作的 CI/CD 管線腳本或流程
等級 6：監控堡壘 – 日誌瞭望台
任務：分析日誌並使用機器學習檢測異常，模擬恢復過程。
主要活動：
- 分析預先填充或產生的日誌
- 使用 AI：
- 識別異常或錯誤趨勢
- 建議自動化回應（例如，自我修復腳本、警報）
- 建立儀表板或視覺化摘要
成果：監控計畫或模擬智慧警報機制
最終等級：英雄的競技場 – 建構終極 AI 支援 SDLC
任務：團隊將所學應用於為小型專案建立可運作的 SDLC 循環。
主要活動：
- 選擇團隊小型專案（例如，錯誤追蹤器、聊天機器人、微服務）
- 在每個 SDLC 階段應用 AI：
- 需求、設計、程式碼、測試、部署、監控
- 透過短團隊示範呈現成果
針對最有效率的 AI 支援管線進行同伴投票或評審
成果：端到端 AI 增強 SDLC 實作 + 團隊展示
工作坊結束後，參與者將能夠：
- 運用生成式 AI 工具提取並結構化軟體需求
- 使用 AI 產生架構圖表並驗證設計選擇
- 利用 AI 副駕實現和重構生產級程式碼
- 自動化測試產生並執行 AI 輔助除錯
- 設計能檢測並對異常做出反應的智慧 CI/CD 管線
- 使用 AI/ML 工具分析日誌以識別風險並模擬自我修復
- 透過團隊小型專案展示完全 AI 增強的 SDLC
最低要求
對象：軟體開發人員、測試人員、架構師、DevOps 工程師、產品負責人
參與者應具備：
- 對軟體開發生命週期 (SDLC) 的基本了解
- 至少一種程式語言的實務經驗（如 Python、Java、JavaScript、C# 等）
- 熟悉以下事項：
- 撰寫和閱讀使用者故事或需求
- 基礎軟體設計原則
- 版本控制（如 Git）
- 編寫和執行單元測試
- 運行或解讀 CI/CD 管線
這是一場中高級工作坊。適合已屬於軟體交付團隊（開發人員、測試人員、DevOps 工程師、架構師、產品負責人）的專業人士。
客戶評論 (1)
我獲得了關於Python中Streamlit庫的知識，我肯定會嘗試使用它來改進我們團隊中基於R Shiny開發的apps。
Michal Maj - XL Catlin Services SE (AXA XL)
課程 - GitHub Copilot for Developers
機器翻譯
