Kursplan
Nivå 1: Upptäcktsdrakn – Kravens hemligheter
Uppdrag: Använd LLM:er (ChatGPT) för att extrahera strukturerade krav från vaga indata.
Viktiga aktiviteter:
- Tolka tvetydiga produktidéer eller funktionsbegäranden
- Använd AI för att:
- Generera användarhistorier och acceptanskriterier
- Föreslå personor och scenarier
-
Generera visuella artefakter (t.ex. enkla diagram med Mermaid eller draw.io)
Resultat: Strukturerad backlog av användarhistorier + initial domänmodell/visualiseringar
Nivå 2: Designsmidan – Arkitektens rulle
Uppdrag: Använd AI för att skapa och validera arkitekturlösningar.
Viktiga aktiviteter:
- Använd AI för att:
- Föreslå arkitektur stil (monolit, mikrotjänster, serverless)
- Generera hög-nivå komponent- och interaktionsdiagram
- Skapa grundstruktur för klasser/moduler
-
Utmana varandras val genom peerdesigngranskningar
Resultat: Validerad arkitektur + kodskall
Nivå 3: Kodarenan – Codex-bryggan
Uppdrag: Använd AI-co-piloter för att implementera funktioner och förbättra kod.
Viktiga aktiviteter:
- Använd GitHub Copilot eller ChatGPT för att implementera funktionalitet
- Refaktorisera AI-genererad kod för:
- Prestanda
- Säkerhet
- Underhållbarhet
-
Injicera "kodoft" och kör peer-städningsutmaningar
Resultat: Funktionsduglig, refaktoriseringad, AI-genererad kodbas
Nivå 4: Buggyssjön – Testa mörkret
Uppdrag: Generera och förbättra tester med AI, och hitta buggar i andras kod.
Viktiga aktiviteter:
- Använd AI för att generera:
- Enhetstester
- Integrationstester
- Kantfallssimulationer
-
Byt buggig kod med ett annat team för AI-assisterad felsökning
Resultat: Testsvit + buggrapport + buggfixar
Nivå 5: Pipelineporterna – Automaton-porten
Uppdrag: Sätt upp smarta CI/CD-pipelines med AI-assistans.
Viktiga aktiviteter:
- Använd AI för att:
- Definiera arbetsflöden (t.ex. GitHub Actions)
- Automatisera byggnads-, test- och deploysteg
- Föreslå anomalidetektering/tillbakarollningspolicyer
Resultat: AI-assisterad, fungerande CI/CD-pipeline-skript eller flöde
Nivå 6: Övervakningsfestningen – Vakttornet över loggar
Uppdrag: Analysera loggar och använd ML för att detektera anomalier och simulera återhämtning.
Viktiga aktiviteter:
- Analysera förpopulerade eller genererade loggar
- Använd AI för att:
- Identifiera anomalier eller felmönster
- Föreslå automatiserade svar (t.ex. självläkande skript, aviseringar)
- Skapa dashboards eller visuella sammanfattningar
Resultat: Övervakningsplan eller simulerad intelligent avisningsmekanism
Slutnivå: Hjältens Arena – Bygg den ultimata AI-stödda SDLC:n
Uppdrag: Team tillämpar allt som lärs ut för att bygga en fungerande SDLC-loop för ett mini-projekt.
Viktiga aktiviteter:
- Välj ett teammini-projekt (t.ex. buggspårare, chatbot, mikrotjänst)
- Tillämpa AI i varje SDLC-fas:
- Krav, Design, Kod, Test, Deploy, Övervaka
- Presentera resultat i en kort teamdemo
Peer-röstande eller dom för mest effektiv AI-driven pipeline
Resultat: Ände-til-ände AI-förstärkt SDLC-implementation + teamvisning
Vid slutet av denna workshop kommer deltagare att kunna:
- Tillämpa generativa AI-verktyg för att extrahera och strukturera mjukvarukrav
- Generera arkitekturnsdiagram och validera designval med AI
- Använda AI-co-piloter för att implementera och refaktorisera produktionskvalitets kod
- Automatisera testgenerering och utföra AI-assisterad felsökning
- Designa intelligenta CI/CD-pipelines som detekterar och reagerar på anomalier
- Analysera loggar med AI/ML-verktyg för att identifiera risker och simulera självläkning
- Demonstrera en fullständigt AI-förstärkt SDLC genom ett minitimp projekt
Krav
Publika: Mjukvaruutvecklare, testare, arkitekter, DevOps-ingenjörer, produktägare
Deltagare bör ha:
- En funktionsförståelse av livscykeln för mjukvaruutveckling (SDLC)
- Praktisk erfarenhet i minst ett programmeringsspråk (t.ex. Python, Java, JavaScript, C# etc.)
- Kännedom om:
- Skrivande och läseförståelse av användarhistorier eller krav
- Grundläggande principer för mjukvarudesign
- Versionhantering (t.ex. Git)
- Skrivande och exekverande av enhetstester
- Körande eller tolkande av CI/CD-flöden
Detta är en workshop på medel- till avancerad nivå. Den är idealisk för professionella som redan är en del av mjukvaruleverans team (utvecklare, testare, DevOps-ingenjörer, arkitekter, produktägare).
Vittnesmål (1)
Att jag har fått kunskap om Streamlit-biblioteket från Python och jag kommer säkert att försöka använda det för att förbättra applikationerna i mitt team som är skapade med R Shiny
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maskintolkat