高家祺-AI驱动的云上软件工程研发新范式.pdf

《高家祺-AI驱动的云上软件工程研发新范式.pdf》由会员分享，可在线阅读，更多相关《高家祺-AI驱动的云上软件工程研发新范式.pdf（32页珍藏版）》请在三个皮匠报告上搜索。

1、AI驱动的云上软件工程研发新范式高家祺 杭州谐云科技有限公司演讲嘉宾高家祺谐云科技资深技术总监，DevOps/微服务产品负责人，敏捷教练目前就职于谐云科技，主要负责DevOps产品研发、推广、落地，拥有多年大规模微服务架构、软件工程化、团队敏捷化实践经验，主导过观云台、DevOps、项目管理、API网关、微服务治理平台等产品孵化、架构升级建设，目前服务过的客户主要覆盖政府、银、证券、能源业，包括：应急部、香港医院管理局、杭州银行、湘财证券、国元证券、中国电力科学研究院、上海汽车、东风汽车等。目 录CONTENTS1.研发模式的发展历程2.人工智能在研发模式带来的新机遇3.AI+DevOps：研

2、发新范式4.AI驱动的研发模式5.总结与展望研发模式的发展历程PART 01研发模式的发展历程传统开发问题DevOps(自动化)代码扫描代码扫描智能化平台工程代码管理代码管理项目管理项目管理镜像库镜像库依赖库依赖库制品库制品库度量分析度量分析自动化部署自动化部署环境管理环境管理需求管理服务需求管理服务项目管理服务项目管理服务研发协同服务研发协同服务架构设计服务架构设计服务持续集成服务持续集成服务持续部署服务持续部署服务代码扫描服务代码扫描服务自动测试服务自动测试服务测试管理服务测试管理服务代码仓库服务代码仓库服务配置中心服务配置中心服务API管理服务API管理服务分散管理自动工具智能助手平台化

3、的特点：提供统一服务界面：规避跨多平台操作 支持开发人员按需申请所需服务 所见即所得提升平台易用性管理体系标准化&自动化&模块化：依托行业标准管理体系，支撑开发过程各环节自动化能力智能化增强：通过增强 AIGC 来生成需求、代码、架构，监控状态，提升规范与自动化平台化驱动智能研发自动化流水线工具隔离/状态不透明各种开发工具独立运行研发工具版本多样化，数据割裂开发工具学习成本高工具隔离/状态不透明各种开发工具独立运行研发工具版本多样化，数据割裂开发工具学习成本高依赖开发经验需求设计、技术设计、代码开发往往依赖人的经验，缺少规范性开发中重复工作多依赖开发经验需求设计、技术设计、代码开发往往依赖人的

4、经验，缺少规范性开发中重复工作多基于工具开发运维平台手工劳动/重复劳动手动集成、构建、测试、发布、部署重复集成、构建、测试、发布、部署手工劳动/重复劳动手动集成、构建、测试、发布、部署重复集成、构建、测试、发布、部署工单流程服务工单流程服务低代码服务低代码服务微服务治理微服务治理度量分析服务度量分析服务Platfrom Center(Self-Service)人工智能给研发模式带来的新机遇PART 02研发流程的痛点问题需求不规范研发进展/负荷不透明研发过程状态联动复杂技术设计/文档耗时间完成标准难检查延期风险难预测AI+DevOps驱动的云上软件工程来解决这些挑战运维工具学习门槛高测试重复工

5、作多智能生成需求/设计智能追踪状态智能生成工具人智能审查准出智能人工AI 成为工程师的辅助工具人工智能AI图像识别、大数据预测、自然语言处理、智能驾驶智能人工AIGCChatGPT、Midjourney不亚于工业革命人工智能对研发领域的新机遇智能设计辅助：AI能够理解复杂的设计模式和需求，以生成的方式快速创作高质量需求设计、高质量流程设计、高质量架构设计，不仅缩短了设计周期，还能确保设计的质量和一致性。智能代码编写：生成式AI与传统低代码平台融合，解决低代码平台配置繁琐问题，实现人机互动智能化代码开发。智能代码优化：AI可以通过分析现有的代码库，自动发现潜在的问题和改进点，促进代码更加健壮，可

6、维护性和可读性更高。智能测试自动化：构建智能化的测试环境，自动化执行和分析复杂的测试案例，提高了测试的准确性，同时节省了大量人工测试所需的时间和资源。智能协同合作：智能协同合作通过AI连接需求、任务和缺陷状态，促进人与AI的无缝协同，提升研发环节连贯性，更敏捷、精准地响应变化。AI+DevOps：研发新范式PART 03从个人研发到生成式研发100%CodeCode+AI+Low Code未来的研发，80%的工作由AI辅助完成，工程师专注与20%的创作工作AI+DevOps：研发新范式规范设计加速开发泛信息追溯提升质量自动化驱动需求设计架构设计接口设计领域模型设计代码生成代码评审SQL设计测试