課程簡介
第 1 關:發現地牢 – 需求之秘
任務: 使用大型語言模型(ChatGPT)從模糊的輸入中提取結構化的需求。
關鍵活動:
- 解讀模糊的產品構想或功能請求
- 使用 AI 來:
- 產生使用者故事與驗收標準
- 建議角色形象(Personas)與情境
-
產生視覺工件(例如使用 Mermaid 或 draw.io 繪製的簡單圖表)
產出: 結構化的使用者故事待辦清單 + 初步的領域模型/視覺圖表
第 2 關:設計鍛爐 – 架構師之卷軸
任務: 使用 AI 創建並驗證架構規劃。
關鍵活動:
- 使用 AI 來:
- 建議架構風格(单体、微服務、無服務器)
- 產生高層次的組件與交互圖表
- 搭建類/模組結構框架
-
透過同儕設計審查挑戰彼此的选择
產出: 已驗證的架構 + 代碼骨架
第 3 關:代碼競技場 – 代碼關卡
任務: 使用 AI 副駕(Copilot)實現功能並改進代碼。
關鍵活動:
- 使用 GitHub Copilot 或 ChatGPT 實現功能
- 重構 AI 生成的代碼,以優化:
- 性能
- 安全性
- 可維護性
-
注入「代碼異味」(code smells)並進行同儕清理挑戰
產出: 功能完整、已重構的 AI 生成代碼庫
第 4 關:錯誤沼澤 – 測試黑暗
任務: 使用 AI 生成並改進測試,然後在他人代碼中查找錯誤。
關鍵活動:
- 使用 AI 生成:
- 單元測試
- 集成測試
- 邊緣情況模擬
-
與另一團隊交換含錯代碼,進行 AI 輔助除錯
產出: 測試套件 + 錯誤報告 + 錯誤修復
第 5 關:管道門閾 – 自動機械之門
任務: 在 AI 協助下設置智能 CI/CD 管道。
關鍵活動:
- 使用 AI 來:
- 定義工作流(例如 GitHub Actions)
- 自動化構建、測試和部署步驟
- 建議異常檢測/回滾策略
產出: AI 輔助的可運行 CI/CD 管道腳本或流程
第 6 關:監控堡壘 – 日誌瞭望塔
任務: 分析日誌,使用 ML 檢測異常並模擬恢復。
關鍵活動:
- 分析預填充或生成的日誌
- 使用 AI 來:
- 識別異常或錯誤趨勢
- 建議自動化回應(例如自修復腳本、警報)
- 創建儀表板或視覺摘要
產出: 監控計劃或模擬的智能警報機制
最終關卡:英雄競技場 – 構建終極 AI 支持 SDLC
任務: 團隊應用所學內容,為一個小型項目構建一個可運行的 SDLC 循環。
關鍵活動:
- 選擇一個團隊小型項目(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、代碼、測試、部署、監控
- 通過簡短的團隊演示展示成果
同儕投票或評審最有效地 AI 驅動管道
產出: 端到端的 AI 增強 SDLC 實現 + 團隊展示
完成此工作坊後,參加者將能夠:
- 應用生成式 AI 工具提取和結構化軟體需求
- 使用 AI 生成架構圖表並驗證設計選擇
- 使用 AI 副駕實現和重構生產級代碼
- 自動化測試生成並執行 AI 輔助除錯
- 設計能檢測並反應異常的智能 CI/CD 管道
- 使用 AI/ML 工具分析日誌,識別風險並模擬自修復
- 通過一個小型團隊項目展示完全 AI 增強的 SDLC
最低要求
受眾:軟體開發者、測試人員、架構師、DevOps 工程師、產品負責人
參加者應具備:
- 對軟體開發生命週期(SDLC)有基本理解
- 至少掌握一種程式語言的實務經驗(例如 Python、Java、JavaScript、C# 等)
- 熟悉以下內容:
- 撰寫與閱讀使用者故事或需求
- 基礎軟體設計原則
- 版本控制(例如 Git)
- 撰寫與執行單元測試
- 運行或解讀 CI/CD 管道
這是一個中階至高階的工作坊。它特別適合已經身處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、產品負責人)。
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