聯繫我們

課程簡介

模組 1:背景、範圍與交付挑戰

  • 自動完成與自主多步執行的對比
  • 軟體交付中常見的 AI 迷思
  • 為何僅靠更好的提示語並不夠
  • 識別參與者的工具、痛點與目標
  • 為工程團隊選擇合適的 AI 運作模式

模組 2:規格吸收與結構化分解

  • 建立利害關係人文件的結構清單
  • 需求萃取技術
  • 分塊策略:結構性、語義性、滑動視窗
  • 保留相依性與交叉參照
  • 處理表格、圖表、流程圖及混合輸入
  • 有效管理上下文視窗

模組 3:人工判斷的界線

  • 人類決策仍具關鍵作用的領域
  • 辨識幻覺產生的相依性
  • 偵測虛構的限制與邏輯逆轉
  • 防止不安全的有效預設值
  • 用於可追溯性、一致性與完整性的驗證框架

模組 4:從需求到程式碼的代理工具應用

  • 以架構為先的交付模式
  • 元件映射與服務邊界
  • 將 API 合約作為交付錨點
  • AI 工具中的持久規則與限制
  • 連結需求的任務指令
  • 最小提示語與受限提示語方法的比較
  • 以合約為先的後端與前端生成

模組 5:代理迭代迴圈

  • 自我修正螺旋
  • 受控的迭代交付循環
  • 審查差異與程式碼變更
  • 偵測範圍蔓延與未授權修改
  • 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 enforcing

  • 針對邊緣案例的提示語限制
  • 將規則文件視為活動的治理 artifact
  • 結合程式碼檢查與靜態分析的自動化關卡
  • AI 生成程式碼的安全性掃描
  • 相依性與架構合規性檢查
  • AI 輸出的審查協議

模組 7:回饋迴圈與持續改善

  • 將結構化失敗回饋至 AI 工作流程
  • 受限迭代與停止標準
  • 記錄循環與結果
  • 隨時間優化規則文件
  • 建立可重用的工程智慧

模組 8:AI 交付中的安全反模式

  • 生成程式碼中常見的資安風險
  • 特定技術的資安規則附件
  • 提交前資安掃描
  • AI 輔助開發的安全 SDLC 控制
  • 安全交付中的人類責任

模組 9:以規格為基礎的測試

  • 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
  • 突變測試概念
  • 規格覆蓋率驗證
  • 斷言強度審查
  • 診斷性提問模型

模組 10:系統維運

  • 活 artifact:合約、地圖、規則、測試規格
  • 隨時間演變的限制條件
  • 用於長期可維護性的 AI 治理
  • 使用 AI 控制防止技術債
  • 永續 AI 工程團隊的運作模式

最低要求

參與者應具備以下條件:

  • 具備軟體開發專案經驗
  • 理解應用程式架構的基本概念
  • 熟悉 API、後端/前端系統或全棧交付
  • 基礎的敏捷或迭代式軟體交付知識
  • 了解軟體測試概念
  • 接觸過 AI 編碼工具會有所幫助,但非強制要求
  • 適合中階至資深技術專業人士參加
 14 小時

課程分類