AI 輔助軟體交付培訓

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