课程简介

在AI驱动研发的新时代，如何系统性地将大模型能力融入需求交付全流程，实现从“辅助提效”到“AI Native重构”的跨越？本课程专为追求研发效能极限突破的团队打造，基于一线真实项目脱敏案例，深度拆解AI赋能产品、设计、开发、测试、运维各职能的实践路径

目标收益

掌握AI Native需求交付统一方法论
实现全流程效率量化跃升
构建跨职能协同的AI赋能流程

培训对象

课程内容

1. 课程导论：AI Native赋能需求交付
核⼼⽬标：从需求到上线全链路提效
统⼀⽅法论框架
学习路径概览

2. 全流程概览案例：【案例可根据企业行业做定制化选择】
项⽬背景与业务挑战
AI赋能产研全流程
需求⽂档智能细化(3pd→1pd，-66.7%)
技术⽅案⾃动⽣成(2pd→1pd，-50%)
前端开发⾃测(5pd→3pd，-40%)
服务端开发⾃测(9pd→5pd，-45%)
测试⽤例⽣成(131/250⽤例，52.4%覆盖率)
提效成果：44pd→27pd，整体提效38.6%

3. AI能⼒基础⼯作坊
导航菜单优化实战演练
AI编程能⼒摸底评估
AI能⼒边界识别⽅法

4. 各职能AI深度实践
4.1 设计+前端：AI First驱动⾸⻚重构
业务背景：M站技术债务，Rax→React迁移
解决⽅案
智能楼层模板⽣成(Figma-MCP+Agent)
智能组件复⽤评估(85%准确率)
端到端双端代码⽣成链路
成果：标准化楼层开发效率提升90%+

4.2 产品业务+服务端：AI编程团队落地
问题拆解：意愿问题+能⼒问题
研发流程规范
三层⽂档设计(系分→概要→详细设计)
开发阶段循环(Prompt→⽣成→Review→提交)
结构化语⾔表达
Prompt模板库
概要设计规范化
应⽤级特化沉淀
通⽤Rules⽣成
代码规范⾃动化

4.3 测试：多模态⼤模型与AIAgent融合
背景：回归测试痛点(低效率、⾼维护成本)
多模态架构升级
"去往哪⾥"：⾃然语⾔动线⽣成
"⽬的地是否正确"：多模型视觉校验
Prompt⼯程"规则炼⾦术"
三步⾛：规则抽象→⽬录分层→内容封装
闭合式Prompt+组合式设计
多模型协同：语⾔模型+视觉模型分⼯

4.4 数据/运维：复杂任务AI处理
核⼼思想：眼(感知)+⼿(执⾏)+脑(决策)
AI⽅案层级
L1-2：⼯具助⼿/会话型AI(单任务)
L3：复杂Workflow(多步骤固定流程)
L4-5：智能Agent(⾃主规划)
典型案例
代码影响分析(简单Workflow)
⾃动存储治理(复杂Workflow，20+节点)
AI⼯单运维(Hierarchical Agent)
基线运维(开发中，全⾃动闭环)
效果保证四策略
提示词精准化
策略保守不激进
可解释性输出
多层校验

5. 统⼀⽅法论框架
阶段⼀：需求洞察与AI场景映射
阶段⼆：AI⽅案设计(AIGC/Chatbot/Agentic)
阶段三：流程集成与实施(Workflow/Agent+HITL)
阶段四：度量与优化

6. 整合总结与未来展望
跨职能协同最佳实践
⽅法论应⽤指南
AI Native演进趋势