課程簡介
第 1 級:發現地牢 – 需求的秘密
任務: 利用大型語言模型(ChatGPT)從模糊的輸入中提取結構化需求。
關鍵活動:
- 解讀含糊的產品構想或功能請求
- 使用人工智慧:
- 生成使用者故事與驗收標準
- 建議角色設定與場景
-
生成視覺化產出(例如:使用 Mermaid 或 draw.io 繪製簡易圖表)
成果: 結構化的使用者故事待辦清單 + 初步領域模型/視覺化圖示
第 2 級:設計熔爐 – 架構師的捲軸
任務: 使用人工智慧創建並驗證架構規劃。
關鍵活動:
- 使用人工智慧:
- 提出架構風格(單體、微服務、無伺服器)
- 生成高階組件與互動圖
- 建立類別/模組結構雛形
-
透過同儕設計評審挑戰彼此的选择
成果: 經驗證的架構 + 程式碼骨架
第 3 級:代碼競技場 – 代碼試煉
任務: 使用人工智慧副駕駛實現功能並優化程式碼。
關鍵活動:
- 使用 GitHub Copilot 或 ChatGPT 實現功能
- 重構由 AI 生成的程式碼,針對:
- 效能
- 安全性
- 可維護性
-
注入「程式碼異味」並進行同儕清理挑戰
成果: 功能完整、經重構的 AI 生成程式碼庫
第 4 級:蟲洞沼澤 – 測試黑暗面
任務: 利用人工智慧生成並改進測試,同時在他人程式碼中尋找錯誤。
關鍵活動:
- 使用人工智慧生成:
- 單元測試
- 整合測試
- 邊界案例模擬
-
與另一團隊交換有錯誤的程式碼,進行 AI 輔助除錯
成果: 測試套件 + 錯誤報告 + 錯誤修復
第 5 級:管道門廊 – 自動機械閘門
任務: 在人工智慧輔助下設定智慧 CI/CD 管道。
關鍵活動:
- 使用人工智慧:
- 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/回滾政策
成果: AI 輔助的可行 CI/CD 管道腳本或流程
第 6 級:監控堡壘 – 日誌望塔
任務: 分析日誌並使用機器學習檢測異常與模擬復原。
關鍵活動:
- 分析預置或生成的日誌
- 使用人工智慧:
- 識別異常或錯誤趨勢
- 建議自動化回應(例如:自我修復腳本、告警)
- 創建儀表板或視覺化摘要
成果: 監控計畫或模擬智慧告警機制
最終等級:英雄競技場 – 打造終極 AI 支援的 SDLC
任務: 團隊應用所有學到的知識,為一個迷你專案建立可行的 SDLC 循環。
關鍵活動:
- 選擇團隊迷你專案(例如:錯誤追蹤器、聊天機器人的、微服務)
- 在每個 SDLC 階段應用人工智慧:
- 需求、設計、編碼、測試、部署、監控
- 透過短小的團隊演示展示成果
由同儕投票或評選最有效地利用人工智慧的管道
成果: 端到端的 AI 增強 SDLC 實現 + 團隊展示
完成此工作坊後,參與者將能夠:
- 應用生成式人工智慧工具提取並結構化軟體需求
- 使用人工智慧生成架構圖並驗證設計選擇
- 使用 AI 副駕駛實現和重構生產級程式碼
- 自動化測試生成並執行 AI 輔助除錯
- 設計能檢測並回應異常的智慧 CI/CD 管道
- 使用 AI/ML 工具分析日誌以識別風險並模擬自我修復
- 透過團隊迷你專案展示完整的 AI 增強 SDLC
最低要求
目標受眾:軟體開發者、測試工程師、架構師、DevOps 工程師、產品擁有者
參與者應具備:
- 對軟體開發生命週期(SDLC)具備基礎理解
- 至少熟悉一種程式語言的實作經驗(例如:Python、Java、JavaScript、C# 等)
- 熟悉以下領域:
- 撰寫與閱讀使用者故事或需求說明
- 基礎軟體設計原則
- 版本控制(例如:Git)
- 撰寫與執行單元測試
- 執行或解讀 CI/CD 管道
這是一場進階至高級的工作坊,最適合已隸屬於軟體交付團隊的專業人士(開發者、測試人員、DevOps 工程師、架構師、產品擁有者)。
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