课程简介

本课程系统讲解AI如何重塑软件研发全流程。课程以“前沿理论+近半年实战案例”为主线，聚焦产品、开发、测试、知识管理四大环节的AI落地实践，提供可直接复用的方法、工具与实操案例。

目标收益

培训对象

课程内容

第一天：AI研发新范式与全流程贯通

模块一：AI研发新范式——从“人驱动”到“智能驱动”
1.1 范式变革：研发模式正在被重写
- 传统研发模式的效率天花板：需求-设计-开发-测试-运维的线性瓶颈
- AI研发新范式的核心特征：从“人写代码”到“人+Agent协同”、从“瀑布式”到“持续智能交付”
- 2026年行业趋势：Vibe Coding + Agent深度融合，形成完整可落地的AI全能开发范式
- 研发效能团队的定位升级：从“工具提供者”到“范式定义者”

1.2 全流程AI贯通：从需求到上线的智能链路
- 需求阶段：AI辅助需求洞察、竞品分析、用户故事自动生成
- 设计阶段：AI辅助原型生成、交互方案建议、设计稿自动审查
- 开发阶段：AI编程助手深度嵌入IDE，实现代码生成、补全、重构
- 测试阶段：AI自动生成测试用例、执行测试、缺陷预测
- 运维阶段：AI辅助故障定位、日志分析、巡检脚本生成
- 全链路串联逻辑：知识库如何在各环节复用，形成数据飞轮

1.3 案例研讨：头部企业AI研发效能实践
- xx公司：2000+工程师使用AI编程助手，贯穿需求拆解到部署上线全链路
- xx公司：AI Coding使交付效率提升65%，迭代周期缩短55%，测试用例生成效率提升80%
- xx公司：90%代码由AI生成后的效率真相与反常识发现


模块二：AI时代的人员画像与职责重构
2.1 角色进化：谁在被重塑？
2.2 能力模型重构
- 新范式下的核心能力：提示词工程、Agent编排、AI工具链选型、AI生成物质量判断
- 研发效能团队的转型路径：从“工具建设”到“智能体平台运营”
- 组织层面的挑战：技能断层、评估体系重构、文化变革


模块三：产品环节AI落地——从需求洞察到标准交付

3.1 需求洞察与拆解
- AI辅助市场洞察与竞品分析：精准提问策略与结构化输出
- 长文档需求分析实践：从模糊需求到可评审方案
- 用户故事自动生成与需求优先级排序
- 实操演示：用AI工具完成一份产品需求的完整拆解

3.2 设计落地与标准交付
- AI辅助原型设计：产品经理与AI协同画原型的四步法
- 设计稿自动审查与一致性检查
- 产品文档自动生成：PRD、用户手册、Release Notes
- 从需求到开发的无缝衔接：AI自动生成接口文档与数据模型

3.3 案例：B端产品AI落地实践
- 企业级软件产品如何用AI提升需求到交付的效率


第二天：AI研发全链路实战与知识管理

模块四：开发环节AI落地——代码质量与可持续运维

4.1 AI辅助编程的工程化实践
- AI编程工具生态：从代码补全到智能体自主编程
- 代码生成的效率真相：日产代码从百行到千行，质量如何保障？
- AI生成代码：系统性治理方法
- 关键挑战：AI每生成一次代码，可能附带1.5个潜伏问题
- 实操演示：AI编程工具在真实项目中的提效与陷阱

4.2 代码质量管控与防止腐化
- AI时代的代码审查新范式：从人工评审到“人+AI”协同评审
- 用Agent评测思路管理AI Coding：31万行代码AI重构的实战经验
- 可运维性设计：AI生成代码的长期可维护性保障
- 代码腐化的早期预警：AI驱动的代码健康度监控
- 模块化设计、审计策略、质量保障三大解决方案

4.3 开发效能度量与持续优化
- AI时代的研发效能度量指标体系
- 从“代码行数”到“业务价值交付”的度量迁移
- 案例：xx公司开发岗位人均每日Token消耗达千万级的效能启示


模块五：测试环节AI落地——从自动化到智能体自治

5.1 AI测试的新范式

- 从“工具自动化”到“智能体自治”：测试智能体的演进路径
- AICT（AI-Combined Testing）：LLM+符号执行+代码语义分析的深度融合
- “需求文档→测试用例→执行路径→缺陷预测”的端到端自动化闭环

5.2 AI原生应用的质量标准与测试方法
- AI原生应用与传统应用的质量差异：不确定性、可解释性、安全性
- Agent类应用的质量评估框架：评测、可观测性与持续优化
- 测试用例生成从“辅助生成”走向“结构化、可评审、可闭环”
- 当AI参与质量保障，如何证明测试过程可信、结论可信？
- 实操演示：用AI Agent自动生成一套完整测试方案


模块六：研发知识库构建与管理——效能团队的落地抓手
6.1 研发知识库的核心价值与架构
- 为什么研发需要专属知识库？需求文档、设计文档、代码库、测试用例、运维手册的全景串联
- 知识库的技术架构：文档解析→向量化→检索增强生成（RAG
- 文档处理的完整链路：版式分析、表格解析、公式识别、阅读顺序、Markdown转换
- 从“文档管理”到“知识即服务”：让知识在全研发流程中贯穿复用

6.2 知识库驱动效能团队的落地实践
- 场景一：需求阶段——历史需求文档检索、相似功能参考
- 场景二：设计阶段——设计规范检索、组件库智能推荐
- 场景三：开发阶段——代码库语义搜索、API文档自动问答
- 场景四：测试阶段——历史缺陷库检索、测试用例复用
- 场景五：运维阶段——故障知识库检索、解决方案智能推荐
- 实操演示：基于RAG搭建一个研发知识库问答系统

6.3 总结与行动规划

- 课程核心要点回顾
- 致远互联AI研发效能提升的路径建议
- 分组研讨：各组选择一个研发环节，制定AI落地行动计划
- Q&A