| 主题 |
课程安排 |
| 第1章 AI大模型辅助软件研发概述 |
| 第一部分: 大模型下的研发效能提升 |
1. 软件研发效能的定义、目标及解决的问题
2. 软件研发效能的实践框架和实施策略
3. AI在研发管理中的价值
4. AI在研发效能提升中的实践
5. AI对研发效能管理的影响
6. AI对软件开发领域效能实践
7. AI对软件测试领域效能实践
8. AI 赋能研发效能多家研发中心案例分析 |
| 第二部分:AI辅助研发案例分析与最新进展 |
1. 2023和2024年AI大模型辅助研发调查报告解读
2. 微软公司案例分析
3. Google公司案例分析
4. 亚马逊研发中心案例分析
5. 百度公司案例分析
6. 阿里巴巴公司案例分析
7. 深圳某电信研发中心（咨询客户）
8. 某外企电信研发中心案例分析（咨询客户）
9. 某外企金融研发中心案例分析（咨询客户）
10. 其他多家研发中心的案例分析 |
| 第2章 AI大模型辅助编程原理 |
| 第一部分: Vibe coding氛围编程最佳实践 |
1. 什么是Vibe编程？
2. 氛围编程基础理念
3. 资深程序员的常见痛点诊断
4. Vibe编程的核心原则
5. 革命性概念的诞生：从“写代码”到“说代码”
6. Vibe编程的技术基础与工作原理
7. Vibe编程与传统编程的核心差异
8. 现在，是学习Vibe编程的最佳时机
9. 编程效率翻倍：AI助手选择攻略
10. 4步创作法+5大技巧，实现从想法到产品
11. 多家研发中心案例分析 |
| 第二部分: AI辅助编程技术的工作原理 |
1. AI辅助编程技术的工作原理
2. AI辅助编程工具的主要功能
3. 智能代码自动补全与上下文感知的代码补全
4. 编译器与AI辅助编程工具
5. 生成代码能力等级
6. 生成式AI和LLM
7. Transformer模型
8. 评估LLM
9. LLM的类型
10. 评估AI辅助编程工具 |
| 第3章 AI大模型辅助工具 |
| 第一部分:AI辅助编程工具提升开发效率 |
1. 人工智能辅助编程工具的基本原理和应用场景
2. 代码大模型测评集HumanEval、MBPP介绍和评分原理
3. 微软Github Copilot
4. 智能代码编辑器Cursor
5. 智谱智能编程助手CodeGeeX等
6. 百度Comate快码
7. 阿里通义灵码
8. 字节Trae
9. AI辅助编程工具 主要使用场景
10. AI辅助编程工具的实现原理
11. AI辅助编程工具加持下的软件生态改变
12. AI辅助编程工具改变传统开发的 10 大场景
13. AI辅助编程工具的编程技巧
14. AI辅助编程工具下的测试优化
15. 某公司应用案例分析 |
| 第二部分: AI辅助编程IDE工具基础使用实操和功能对比测评 |
1. 介绍代码模型打分测评集及其底层评分原理。
2. 归纳实用的编程场景辅助技巧。
3. 实操演示代码补全、缺陷修复、代码优化等基础功能。
4. 讲解报错排查、代码提交注解、AI工具库等进阶功能
5. 讲解如何设计Prompt，仿写服务技巧和思路。
6. 分享API和开发文档生成技巧、单元测试设计技巧等。
7. 介绍数据建模表设计和SQL生成方法。
8. 实操演示代码大模型检索增强生成RAG和微调Fine-tuning等高级功能。
9. 案例分析 |
| 第三部分：企业引入智能辅助编程的提效实践 |
1. 介绍企业级智能编程解决方案，如通义灵码、百度文心快码等。
2. 分析国内外企业级方案的不足，提出量化智能编程提效的方法。
3. 分享智能编程提效的真实落地案例，介绍企业引入智能编程提效的解决方案。
4. 探讨团队协作、项目任务拆解、分工模式等项目管理技巧。
5. 案例分析 |
| 第4章 AI大模型辅助编程案例分析 |
| 第一部分: AI辅助编程工具实战案例 |
1. 项目概述
2. 需求分析和需求获取，需求管理
3. AI辅助编程工具 主要使用场景
4. 实践 AI辅助编程工具
5. 上手AI辅助编程，编码与项目实战探索
6. AI辅助编程工具 编程进阶
7. AI辅助编程工具 prompt 原理和实战
8. AI辅助编程工具 编程技巧
9. 全面了解AI辅助编程工具的工作原理，建立AI辅助编程知识体系
10. 实际操作用AI辅助编程工具做开发，演练典型研发工作场景
11. 使用AI辅助编程工具辅助进行TDD和单元测试
12. 使用AI辅助编程工具辅助进行系统测试
13. 某公司应用案例分析 |
| 第二部分: AI大模型辅助编写高质量代码 |
1. 使用AI大模型编写高质量的程序代码
2. AI大模型编写代码注释
3. AI大模型解释遗留代码
4. AI大模型辅助发现代码坏味道
5. AI大模型辅助代码重构
6. AI大模型辅助代码优化
7. 评审 AI大模型 生成的代码
8. 使用AI大模型分析源代码底层逻辑
9. AI大模型辅助代码性能优化
10. AI大模型辅助重构遗留系统代码
11. AI大模型辅助遗留系统的代码维护
12. 案例分析 |
| 第三部分: AI大模型辅助重构代码 |
1. AI大模型辅助代码重构
2. 重构必然性
3. 破窗效应与技术债务
4. 实际重构遇到的4大问题
5. 介绍常见的重构技术
6. 重构到模式的目录
7. 重构概述
8. 何时重构
9. 重构的误区
10. 案例分析 |
| 第四部分: AI大模型辅助维护遗留系统代码 |
1. AI大模型辅助重构遗留系统代码
2. AI大模型辅助遗留系统的代码维护
3. 必须修改遗留的代码起因
4. 遗留代码修改危险事项
5. 如何对依赖代码做测试
6. 依赖代码的感知与分离
7. 依赖代码修改的接缝技术
8. 修改依赖代码的工具
9. 降低风险的措施
10. Sprout Method
11. Sprout Class
12. Wrap Method
13. Wrap Method
14. 通过案例分析，如何使用AI大模型修改遗留代码，而不破坏现有系统代码结构
15. 案例分析 |
| 第五部分: AI大模型辅助代码质量管理 |
1. AI大模型辅助代码质量管理
2. 代码内部质量的核心标准
3. 可分析性（ANALYZABILITY：找到错误在代码中的位置或者软件中必须修改的部分容易程度
4. 可修改性（CHANGEABILITY）：即要完成一个修改需要的工作量
5. 稳定性（STABILITY）：即修改之后出问题的程度
6. 可测试性（TESTABILITY）：即能够验证修改的结果
7. AI大模型辅助度量代码质量 |
| 第六部分: AI大模型辅助代码质评审 |
1. 多家研发中心，如何实现AI大模型辅助高质量代码
2. AI大模型代码静态分析工具概述
3. AI大模型辅助代码评审前期准备
4. AI大模型辅助代码评审的代码量
5. AI大模型辅助代码评审的检查表
6. AI大模型辅助代码评审的总结与学习
7. 结合国内多家研发中心的代码管理经验分享 |
| 第5章 AI辅助测试 |
| 第一部分: AI大模型辅助测试与QA质量人员提高效能 |
1. 大模型在测试阶段各种使用场景
2. 大模型在软件质量保障中的各种使用场景
3. AI大模型在测试领域的擅长和不擅长
4. AI大模型辅助自动生成测试用例
5. AI大模型辅助自动生成测试数据
6. AI大模型辅助测试的覆盖率提升
7. AI大模型辅助进行性能测试
8. AI大模型在单元测试中的应用与落地
9. 代码评审阶段AIGC的应用场景与案例
10. 单元测试阶段AIGC的应用场景与案例
11. 接口测试阶段AIGC的应用场景与案例
12. 安全测试阶段AIGC的应用场景与案例
13. 探索式测试和AI大模型的测试需求启发
14. 某公司应用案例分析 |
| 第 6 章增强私有知识 - 模型微调 + 增强检索 RAG |
| 第一部分: 增强企业私有知识方案-提示词工程，模型微调，RAG对比 |
1. 大模型在测试阶段各种使用场景
2. 大模型在软件质量保障中的各种使用场景
3. AI大模型在测试领域的擅长和不擅长
4. AI大模型辅助自动生成测试用例
5. AI大模型辅助自动生成测试数据
6. AI大模型辅助测试的覆盖率提升
7. AI大模型辅助进行性能测试
8. AI大模型在单元测试中的应用与落地
9. 代码评审阶段AIGC的应用场景与案例
10. 单元测试阶段AIGC的应用场景与案例
11. 接口测试阶段AIGC的应用场景与案例
12. 安全测试阶段AIGC的应用场景与案例
13. 探索式测试和AI大模型的测试需求启发
14. 某公司应用案例分析 |
| 第7章 AI辅助研发未来展望 |
| 第二部分:打造超级软件工程师—构建企业专属智能体 |
1. 超级软件工程师生产力的构成及及具备的能力分析
2. 软件超级工程师塑造思路和成长路径
3. 研发工程师agent构建实践
4. 软件提示工程场景应用与实践
5. AI应用实战开发技巧
6. 大模型（LLM）在软件研发的优秀实践
7. 全球首个AI软件工程师Devin问世
8. Devin AI软件工程师的技术原理是什么？
9. 如何通过智能体提高研发效能
10. 已有编码助手的RAG和插件能力介绍
11. 使用编码助手不同场景所需要的上下文
12. 把业务知识作为知识库
13. 把代码架构知识作为知识库
14. 把常见技术问题FAO作为知识库 |
