尹立庆:AI+代码/测试/研发提效

课程简介

在软件研发效能进入“智能原生”时代的今天,AI编程工具已不再是可选插件,而是开发者不可或缺的核心生产力引擎。本课程专为一线的代码交付者量身打造,聚焦从“会用AI”到“用好AI”的关键跨越。

课程以全天高强度实战为主线,系统覆盖AI辅助代码生成、智能代码审查、自动化测试体系建设、提示词工程模板化、RAG与Agent原型落地,以及团队级AI研发流程规范六大模块。学员将掌握如何将AI无缝嵌入从需求分析到代码提交的全链路,学会构建团队专属的知识检索与自动化协作原型,并建立可沉淀、可度量、可推广的AI研发效能体系。

通过多个贴近真实开发场景的实战案例,本课程确保每位学员训后即可将AI能力转化为日常开发中的确定性效率增量,让智能工具真正成为团队代码资产的一部分,而非昙花一现的技术噱头。

本课程是针对时代的特点,尹老师总结多年AI工作经验,而精心设计的课程。

培训目标

深入讲解AI辅助代码生成与补全;

深入讲解AI辅助代码审查与优化;

深入讲解AI驱动测试体系建设;

深入讲解提示词工程与团队模板沉淀;

深入讲解RAG与Agent辅助研发原型;

深入讲解团队级AI研发流程与规范落地;

深入讲解综合实战工作坊;

培训对象：

即将投身于人工智能领域的企业或者个人;

系统架构师、系统分析师、高级程序员、资深开发人员;

政府机关,金融保险、移动互联网、能源行业等人工智能相关人员;

高校、科研院所统计分析研究员,涉及到人工智能的人员;

培训方式：

以课堂讲解、演示、案例分析为主,辅以互动研讨、现场答疑、学以致用。

课程安排：

课程时间:2天(每天6小时)

课程内容

AI辅助代码生成与补全(深入剖析AI辅助代码生成与补全)(120分钟)

AI辅助代码生成与补全

AI代码生成原理(LLM + 代码语料微调)

主流AI编程工具对比(GitHub Copilot / Codeium /通义灵码 / Cursor)

代码补全的触发方式与快捷操作

函数级代码生成(从注释/签名生成实现)

类与模块级代码骨架生成

跨文件上下文感知补全

单元测试代码自动生成

代码注释与文档字符串生成

正则表达式/复杂算法片段生成

SQL语句与数据库访问层代码生成

配置文件与序列化代码生成

代码生成的限制与幻觉识别

实战案例:基于现有Spring Boot项目,用AI生成一个完整的RESTful CRUD接口(Controller + Service + Repository + DTO),包含参数校验与异常处理。

AI辅助代码审查与优化(深入剖析AI辅助代码审查与优化)(120分钟)

AI辅助代码审查与优化

AI代码审查的核心能力边界

代码异味(Code Smell)自动检测

复杂度分析与可读性评分

潜在空指针/异常路径识别

资源泄漏与并发安全问题检测

性能热点代码优化建议

设计模式与重构时机推荐

命名规范与常量抽取建议

冗余代码与重复片段检测

安全漏洞模式匹配(OWASP Top 10)

多轮对话式代码修改与迭代

审查结果的可解释性与人工复核策略

实战案例:准备一份有10+处质量问题的遗留代码,使用AI逐段审查并生成重构方案,最终输出优化后的代码对比报告。

AI驱动测试体系建设(深入剖析AI驱动测试体系建设)(120分钟)

AI驱动测试体系建设

AI生成单元测试(JUnit / pytest / Jest)

基于代码逻辑的边界值与等价类生成

Mock对象与测试替身的AI辅助构造

测试覆盖率缺口分析与补充建议

回归测试用例的智能筛选

API接口测试用例自动生成(OpenAPI → 测试脚本)

测试数据构造器(Test Data Builder)生成

集成测试场景编排与数据准备

性能测试脚本与参数化配置生成

测试断言(Assertion)的完整性检查

变异测试(Mutation Testing)与AI辅助杀变

测试代码可维护性评估与优化

实战案例:针对一个含复杂业务规则的服务类,利用AI生成完整单元测试套件,覆盖率达到95%以上,并验证边界异常场景。

第1天

提示词工程与团队模板沉淀(深入剖析提示词工程与团队模板沉淀)(90分钟)

提示词工程与团队模板沉淀

提示词基本结构(角色/任务/上下文/输出格式/约束)

代码生成类提示词的编写范式

代码审查/重构类提示词的模板设计

测试生成类提示词的精度控制

思维链(CoT)在复杂逻辑生成中的应用

少样本示例(Few-shot)在代码场景的配置

否定约束与边界限定技巧

多轮对话上下文管理与追问策略

可复用提示词模板的版本管理

团队提示词模板库的目录结构设计

模板效果评估与迭代优化指标

提示词工程常见失败模式与调试方法

实战案例:构建团队专属的3套标准化提示词模板(代码生成/代码审查/测试生成),并在真实代码上跑通完整流程,输出模板使用文档。

RAG与Agent辅助研发原型(深入剖析RAG与Agent辅助研发原型)(90分钟)

RAG与Agent辅助研发原型

RAG基本架构(检索 + 生成)在研发场景的适配

代码库向量化(Embedding)与索引构建

常见向量数据库选型与接入(Chroma / Milvus / PGVector)

私有API文档/框架文档的RAG检索增强

企业级代码规范文档的向量化与检索

研发Agent的基本组成(规划/工具/记忆/反思)

Agent调用外部工具(命令行/数据库/API文档)

多Agent协作模式(代码编写 + 测试 + 审查)

上下文窗口管理与长代码处理策略

检索质量评估与重排序(Re-rank)优化

私有化部署与安全合规约束

原型快速验证与PoC迭代方法

实战案例:基于开源RAG框架,搭建一个能检索团队内部代码规范 + 基础库文档的研发辅助原型,完成一个真实开发任务的端到端演示。

团队级AI研发流程与规范落地(深入剖析团队级AI研发流程与规范落地)(90分钟)

团队级AI研发流程与规范落地

AI辅助研发全流程全景图(需求→设计→编码→测试→评审→部署)

代码提交前AI检查门禁设计(Pre-commit / PR流程)

AI生成代码的代码规范自动适配(命名/格式/注释)

团队编码规范文档的AI可读化改造

AI辅助技术方案设计与接口契约生成

持续集成(CI)中嵌入AI质量检查步骤

AI生成代码的版权/合规/许可证审查

代码仓库知识库的持续更新机制

AI辅助On-call诊断与日志分析

团队AI使用度量指标设计(采纳率/提效比/缺陷率)

研发效能数据看板与AI反馈闭环

培训落地行动计划(试点项目/推广路线/复盘机制)

实战案例:设计一条从PR提交到合并的完整AI质量门禁流水线(含代码风格检查 + 审查建议 + 测试生成),模拟团队评审流程并输出规范文档。

综合实战工作坊(深入剖析综合实战工作坊)(90分钟)

综合实战工作坊

知识点:(本主题为全流程整合演练,知识点融合前六主题)

端到端需求 → 代码 → 测试 → 审查全链路AI协作

多工具组合使用策略(IDE插件 + 独立Chat + RAG)

人机协作节奏控制与决策点判断

AI建议的采纳/修改/拒绝决策模型

代码质量与开发速度的平衡策略

疑难Bug的AI辅助定位与修复流程

遗留系统改造中的AI辅助重构

团队协作中AI产物的共享与沉淀

时间约束下的AI使用优先级排序

个人AI研发工作流定制方法

效果自评与改进计划制定

训后持续学习资源与社区参与路径

实战案例:给定一个包含需求描述、遗留代码、测试报告的不完整项目包,在2小时内完成功能补全 + 测试补充 + 代码优化 + 评审通过的完整交付,输出个人提效行动计划。

第2天

授课老师

尹立庆老师的课程大纲