课程简介
在数字化和AI的时代,研发效能已经成为科技企业的核心竞争力。而现实情况是,随着业务和研发复杂度的持续提升,当前很多企业实际的研发效能并不理想,与期望的效能之间存在着巨大的鸿沟。企业渐渐发现,以往通过大量堆砌人力和资源,“快、糙、猛”地开发和交付软件的方式已不可持续,组织规模变大了但研发效能却是下降的。在降本增效的大环境下更是如此,“湖水岩石效应”也愈发明显,越来越多之前被忽视的研发问题、困难不断显露出来,已经到了必须要根本性解决问题的时刻。而要想解决效能鸿沟和以上问题,就需要科学的研发效能方法做指导,并引入并采纳一系列被证明可行的落地方法,促成更可持续的工作方式。研发效能领域的范畴非常广,涵盖了众多软件研发的原则、方法和实践,也涉及到了管理、工程、技术、组织等多个方面,整体实施复杂度较高,国内大多数企业目前仍处于探索阶段,而少数一线大型研发企业在提前布局和重投入之下,已经积累了相对丰富的经验,形成了一系列有借鉴意义的成功案例。
本课程由业界知名研发效能与DevOps资深技术专家、”研发效能黄金三角”提出者张老师倾力打造,从系统化角度全面剖析了研发效能的本质、当前面临的挑战和行业趋势,进而给出了效能提升的整体框架和全景图,并具体而明确地按不同领域进行了细化的拆分和深入讲解,既有理论高度又能结合具体落地实践。课程的内容全部来源于多年来在数万以上研发人员规模的头部企业深耕所积累的第一手实践经验,课程中深入浅出地对研发效能提升的方方面面进行详细讲授与研讨。
针对当前AI大语言模型所引发的技术变革,本课程在原有基础上进行了大幅更新,将会详细展开大模型在促进研发效能提升方面最前沿的探索与落地应用,包括大模型与软件研发结合点全景图以及各个阶段的实践案例、工具落地、效果评估及持续优化策略,以及各大头部公司实际的能够达到的效果及持续探索方向、未来发展趋势。
课程收益
· 理解研发效能的本质及领军企业落地情况
· 系统掌握研发效能的实施框架和落地过程
· 全面理解研发效能在各个领域的具体实践
· 探索结合AI大语言模型与时俱进实现效能提升
· 通过一系列案例深刻理解研发效能的提升之道
· 了解到推进过程中可能遇到的困难和常见误区
· 与行业资深专家深度交流,进入研发效能圈子
课程大纲
· 研发效能的行业案例与趋势洞察
o 研发效能的挑战与本质
o 研发效能的系统性方法(行业效能数据与系统模型)
o 研发效能黄金三角 V2.0(自有知识体系)
o 研发效能的升维思考与降维执行
o 头部企业研发效能体系案例(独家资料)
§ 案例企业
¨ 腾讯
¨ 字节跳动
¨ 阿里巴巴
¨ 蚂蚁集团
¨ 百度
¨ 华为
§ 案例解析维度
¨ 研发效能组织结构(组织定位及团队划分)
¨ 研发效能发展历程(研发效能演进路线)
¨ 研发效能平台建设(工具平台建设及现状)
¨ 研发效能实践体系(效能实践体系及特色)
¨ 研发效能度量指标(度量指标体系及特色)
¨ 研发效能的智能化探索(AI大模型最新落地进展)
o 研发效能基准报告及要点分析
§ 国内企业研发效能度量基准值
§ 研发流程、工具平台、数据度量对研发效能的影响分析
· AI 大模型在软件研发中的落地
o AI大模型推动的行业变革
o AI大模型对软件研发效能提升的实际效果
§ 业界典型案例与效果提升实际数据
§ 建立对研发效能提升合理的预期值
o AI大模型应用落地的路线选择
§ 大模型应用落地的路线实践指导(OpenAI官方)
§ 提示工程、RAG、Fine-tuning 等方法的比较
o AI大模型应用落地的关键点
§ 提示工程的实践与案例(常用模式、扩展案例)
§ 大模型训练的实践与案例(成功、失败案例)
§ 检索增强(RAG)的实践与案例(各种方法比较)
o AI大模型与软件研发结合点全景图
o AI大模型在需求阶段的结合点
§ 需求与设计阶段大模型结合应用场景
§ 大模型赋能基于知识工程的需求提效
¨ 需求准入检查、实例化分析、需求评审
¨ 落地实现的步骤:提示工程、知识库搭建、RAG、效果评估等
o AI大模型在开发阶段的结合点
§ 大模型辅助代码生成及代码补全实践案例
¨ 代码大模型、代码生成及补全的实现原理
¨ 代码生成及补全的关键技术:FIM、上下文感知、仓库级补全等
¨ 代码生成及补全的效果评估:度量指标与行业基准
¨ 代码生成及补全的效果提升:Copilot工具能力
¨ 代码生成及补全的效果提升:应用技巧
¨ 代码大模型Copilot类工具的运营策略
¨ 代码大模型Copilot类工具的新特性与发展趋势
§ 大模型辅助智能化代码评审实践案例
¨ 智能化代码评审类工具的实现原理
¨ 智能化代码评审类工具的模型训练数据构造
¨ 智能化代码评审类工具的效果评估
¨ 智能化代码评审类工具的的新特性:定制化代码规范
§ 大模型辅助智能化单元测试实践案例
¨ 智能化单元测试实现原理
¨ 智能化单元测试类工具的效果评估
¨ 智能化单元测试类工具的新特性:智能改善测试套件
o AI大模型在测试阶段的结合点
§ 辅助测试用例治理的实践及案例
§ 辅助测试用例编写的实践及案例:通过人机协同提升生成效果
§ 辅助自动化测试生成等实践及案例:智能化接口测试生成等
o AI大模型在CI/CD阶段的结合点
§ 辅助CI/CD错误定位及问题解决实践及案例
§ 关键技术点:检索增强生成(RAG)、日志选取及压缩、提示工程
o AI大模型在运维/运营阶段的结合点
§ 辅助监控查询及告警摘要实践及案例
§ 辅助故障分析及故障定位实践及案例
o AI大模型在通用领域的应用结合点
§ 知识检索相关实践及案例
§ 智能化研发助手实践及案例
o AI大模型未来发展趋势和探索方向
· 研发效能提升之"效能实践"篇
o 研发效能实践总览及实践地图
o 需求及敏捷协作领域的实践
§ 以价值流动为核心的需求工作流
§ 需求的层级结构与颗粒度管理
§ 需求的实例化与内建质量
§ 敏捷协作与精益看板实践与案例
o 开发领域的实践
§ 主流代码分支模型及适用场景
§ 单元测试的实践和误区
§ 代码评审的实践和误区
§ 代码扫描与质量红线实践
§ 代码质量的常见评估方法
o 测试领域的实践
§ 内部质量与外部质量
§ 测试的左移与右移
§ 测试的金字塔结构
§ 精准测试、契约测试等测试实践
§ 测试环境管理:特性环境和基准环境
o CI/CD阶段的实践
§ 持续集成的原则、实践和案例分析
§ 持续交付的实现及其完整的生态体系
§ 大型企业持续交付案例解析(五个典型案例)
o 运维/运营领域的实践
§ 六种常见的部署策略及其选择
§ 云原生基础设施
§ 大规模部署中的效能提升实践
o 组织和文化领域的实践
§ 高效能组织的四类团队拓扑
§ 高效能组织的三种协作模式
o 研发效能实践的实施策略
§ 从大处着眼,小处着手
§ 价值流分析与瓶颈识别
· 研发效能提升之"效能度量"篇
o 研发效能度量的难点和反模式
§ 效能度量的三大难点
§ 效能度量的十大反模式
§ 某千亿市值公司研发效能度量失败案例
o 效能度量行业案例和关键原则解析
§ DevOps 全球调查报告中的度量指标
§ Google、微软、Facebook的度量案例
§ 腾讯、字节跳动、阿里巴巴、百度的度量案例解析
§ 研发效能度量的七大原则
o 效能度量的实践框架:效能度量的五项精进
o 效能度量基础设施
§ 度量基础设施的三层网络模型
§ DevOps工具链网络与实体对象关联关系
o 效能度量指标体系设计
§ 效能度量指标全景图
§ 效能度量指标立方体(Cube)模型
§ 价值流的五大流动指标详解
§ 工程质量度量指标详解
§ 度量指标设计中的常见困惑及解决方案
o 效能度量分析模型
§ 基于GQM的度量分析结构
§ 从目标出发的效能分析案例
§ 度量分析的十二种常用方法及案例
§ 研发过程中的常见瓶颈及解决思路
o 效能度量产品建设
§ 度量产品架构设计
§ 度量产品标杆案例
o 数据驱动,实验思维
§ 度量改进的PDCA循环
§ 度量经验总结,避坑指南
· 研发效能提升之"效能平台"篇
o 平台工程的理念及落地关键点
o 研发效能平台建设的五个层次
o 研发效能平台建设层次一:垂直领域工具集合
§ 实现最初形态的DevOps一站式平台
§ 垂直领域工具提效和质量控制实践案例
o 研发效能平台建设层次二:跨领域互联互通
§ 通过衔接点打通研发流程,实现全链路跨角色效率提升
§ 研发管理流与工程流的联动
§ 研发自动化助手的设计与实现
§ ChatOps的设计与实现
o 研发效能平台建设层次三:平台生态化建设
§ 平台插件、扩展组件与三方系统集成
o 研发效能平台建设层次四:多场景·多视角解决方案
§ 产品视角、空间/项目视角、应用视角
§ 应用视角的设计与实现
o 研发效能平台建设层次五:价值流可视化管理
§ 价值流分析的设计与实现
o 行业主流开源/商业效能平台介绍
· 课程整体总结和答疑