聯繫我們

課程簡介

模組 1:脈絡、範圍與交付挑戰

  • 自動補完與自主多步驟執行的對比
  • 軟體交付中常見的 AI 迷思
  • 為什麼僅改善提示詞並不够
  • 識別參與者的工具、痛點與目標
  • 為工程團隊選擇合適的 AI 運作模型

模組 2:規範擷取與結構化解構

  • 建立利害關係者文件的結構化清單
  • 需求提取技術
  • 分塊策略:結構性、語義性、滑動視窗
  • 保留依賴關係與交叉參照
  • 處理表格、圖表、流程圖與混合輸入內容
  • 有效管理上下文視窗

模組 3:人工判斷的界線

  • 人工決策依然關鍵的情境
  • 識別虛構的依賴關係
  • 偵測捏造的約束條件與反向邏輯
  • 防止不安全的預設協助行為
  • 用於追溯性、一致性及完整性的驗證框架

模組 4:從需求到程式碼的代理型工具應用

  • 架構為主的交付模式
  • 元件對應與服務邊界定義
  • 以 API 合約作為交付錨點
  • AI 工具中的持久性規則與約束
  • 與需求連結的任務指示
  • 最小化提示與受限提示方法的比較
  • 基於合約的前後端程式碼生成

模組 5:代理型迭代循環

  • 自我修正螺旋
  • 受控的迭代交付週期
  • 審查差異與程式碼變更
  • 偵測範圍蔓延與未經授權的修改
  • 管理有限的上下文記憶
  • 利用迭代歷史進行持續改善

模組 6:程式碼品質管控

  • 針對邊界條件的提示約束
  • 將規則文件作為活躍的治理 artifact
  • 結合程式碼檢查與靜態分析的自動門控
  • AI 生成程式碼的安全性掃描
  • 依賴性與架構合規性檢查
  • AI 輸出的人工審查協議

模組 7:回饋循環與持續改善

  • 將結構化失敗經驗反饋至 AI 工作流程
  • 有限迭代與停止標準
  • 記錄週期與結果
  • 持續優化規則文件
  • 建立可重複使用的工程智慧

模組 8:AI 交付中的安全反模式

  • 生成程式碼中常見的安全風險
  • 特定技術的安全規則附錄
  • 提交前安全掃描
  • AI 輔助開發的安全 SDLC 控制
  • 安全交付中的人工責任

模組 9:基於規範的測試

  • 從需求生成測試規格
  • 領域語言測試設計
  • 安全地生成測試實現
  • 變異測試概念
  • 規範覆蓋率驗證
  • 斷言強度審查
  • 診斷性提問模型

模組 10:系統維護

  • 活躍 artifact:合約、映射圖、規則、測試規格
  • 隨時間演變的約束條件
  • 長期可維護性的 AI 治理
  • 利用 AI 控制防止技術債累積
  • 永續 AI 工程團隊的運作模型

最低要求

參與者應具備:

  • 軟體開發專案經驗
  • 應用程式架構基礎知識
  • 熟悉 API、後端/前端系統或全端交付
  • 基本的敏捷或迭代軟體交付知識
  • 了解軟體測試概念
  • 接觸過 AI 編碼工具者佳,但非必要
  • 適合中階至資深技術專業人員
 14 小時

人數


每位參與者的報價

即將到來的課程

課程分類