课程背景
很多研发队伍已经开始采用AI：写代码、写用例、拆解日志，打包发版等等。但这些尝试大多停留在个人层面，没有沉淀成队伍可复用的办法。会用AI，和将AI用进稳定的研发流程，是两回事。
落到具体岗位，在实际应用里，问题很快变得现实：研发不敢将AI代码直接合进主干，测试拿不准AI用例覆盖够不够，海量资料担心口径算错，ERP开发担心业务规则跑偏。管控层真正关心的，也不是大家会不会用抓手，而是这些零散尝试能不能变成稳定、可控、可推广的队伍本领。
本课围绕前端、后端、测试、BI、运维等等岗位情境，带队伍走完从本领边界、智能体搭建，智能体测试到多智能体探索的路径。主线是半自动优先，结果可审，进程可控，将AI从个人尝鲜推进到队伍级研发测试本领。
课程收益
1. 构筑研发测试队伍的AI采用共识：清楚哪些差事适合交给AI，哪些必须人工兜底
2. 形成岗位级AI情境清单：不同研发岗位都能识别2–3个可落地情境
3. 掌握一个可复用的智能体搭建流程：从诉求拆解、提示词、学识库、抓手到测试调试和精进
4. 将测试队伍从“AI采用者”升级为“AI质量守门人”：会规划测试样本、查验幻觉、验证权限、跑回归
5. 领会多智能体的适用边界：知道什么时候一个智能体加抓手就够，什么时候才值得复杂化
课程大纲
一、掌握AI优劣势，实操中，落地研发流程风控底线
1. 优劣甄别：会生成，会归纳，弱在精确计算和事实保真
2. 隐患预判：代码可能藏bug，口径可能算错，从实践看，事实可能是编的
3. 流程底线管控：全程人工审核，结果可复测、异常可回滚
二、搭建自研选型轮廓，按照需匹配低成本高适配模型
1. 轮廓自建
2. 多维研判选型（六维综合评核）
——模型本领、采用成本、上下文承载力、抓手调用本领、私有化适配、资料安全边界
3. 情境适配匹配
——实行分级选型打法
模型样本：GLM、豆包、通义、DeepSeek，GPT、Claude，Gemini4. 模型池储备
三、拆解多岗位高频情境，拟定AI准则化采用纪律
1. 五类岗位高频情境
第 一类：前端页面/组件
第二类：后端接口/SQL
第三类：测试用例/资料
第四类：海量资料ETL/口径
第五类：ERP规则/配置
2. AI编程助手采用纪律：生成→审查→测试→入库
抓手样本：Cursor、Codex、ClaudeCode，Copilotcodingagent、通义灵码、Trae。
实例：从一段诉求说明，到接口草稿、测试用例和前端原型——一个情境看清五岗落点。
碰头：哪些环节AI能写，哪些必须人来把关？
一、以事务流思路搭建智能体
——智能体不是“更会聊天”，而是按照流程完成差事。
一条回路：感知→规划→记忆→行动。
——搭之前先想清楚输入、学识、抓手、输出
二、分级匹配落地抓手
1. 低代码平台，迅速验证：百炼，Coze、Dify、HiAgent
2. 研发执行环境，从实践看，承接真实流程：Codex、ClaudeCode，Cursor，OpenHands、OpenCode
3. 自研编排样本，在实际应用里，系统内嵌：LangGraph、LlamaIndex等等
选项要则：先跑通、再下沉，先低门槛、再工程化
三、从诉求到智能体：搭建流程和易翻车点
1. 诉求拆解：将想法拆成可执行差事
1）输入材料：诉求文档、接口说明、业务规则、样例资料
2）输出结果：问答、草稿、查验清单、操作建议
3）责任边界：AI处理什么，人确认什么，失败怎样兜底
2. 提示词规划：差事、边界、格式、示例、校验
1）差事说明：让智能体知道要破解哪个具体问题
2）输出格式：让结果可复制、可查验，在实际应用里，可进入流程
3）校验规则：让模型遇到不确定内容先提示而不是编造
3. 学识库构筑：清洗、切分、来源标注、召回查验
1）资料准备：去掉过期、重复和冲突内容
2）切分打法：按照主题、流程、规则或者问答情境组织
3）召回查验：验证答复是否来自正确资料
4. 抓手调用：从“会说”到“会做”的隐患将控
1）最小权限：只开放当前差事必须采用的本领
2）调用留痕：记录抓手输入、输出和异常
3）人工确认：写入、提交、删除等等要害动作必须兜底
四，将测试本领用在智能体上
1. 测试样本：正常，边界、错误输入
1）正常样本：验证基础差事能否稳定完成
2）边界样本：验证规则临界点和复杂组合
3）错误输入：验证拒答、澄清和隐患提示
2. 专项查验：幻觉、召回、权限
1）幻觉查验：识别无来源、编事实、编规则
2）召回查验：验证学识库是否找到正确资料
3）权限查验：验证抓手是否越权或者误操作
3. 回归和量化：答对率、出错率、失败边界。
4. 可选抓手：Ragas，就一线经验说，promptfoo、Langfuse，LangSmith
实战上手：搭一个岗位智能体
1. 统一样板：测试用例生成助手/研发学识库问答助手
1）前端/后端组：围绕接口、页面，代码解释改造
2）测试组：围绕用例、资料、缺陷复现改造
3）海量资料/ERP组：围绕口径，规则、配置校验改造
2. 实战流程：搭建→测试→精进
结晶产出：基础智能体、测试样本、精进清单
实例：智能问数为何不能裸用NL2SQL。
一、精准甄别单/多智能体情境
——一个agent+抓手能破解的，就别上多智能体——过度规划最常见、也最贵
适用情境：长差事链、多定位、多系统、需仲裁
核心分工：检索、拆解、生成、校验、执行
二、定位分工和冲突处理
1. 定位拆分
1）主控定位：拆差事、排顺序、汇总状态
2）执行定位：查资料、跑抓手、生成草稿
3）校验定位：查验事实、规则、权限和隐患
2. 冲突处理
1）仲裁定位
2）优先级规则
3）人工兜底
3. 研发Harness
——Codex，从实践看，ClaudeCode、Cursor、OpenClaw，OpenHands、OpenCode
收束：抓手承接执行，治理仍靠队伍
三、落地的现实约束
1. 权限和资料安全：资料流向、可见范围、操作边界
2. 成本和性能：调用次数、响应延迟、可观测性
3. 私有化部署：适用情境、代价和门槛
供给链实例复盘：
1. 供给链实例
1）订单定位：识别异常类型和影响范围
2）库存/物流定位：核查可用量、在途和延迟隐患
3）处置定位：生成建议并交给人工确认
2. 要害判断：先做扎实单agent，再拆多智能体
结晶输出：多智能体候选方案
1. 候选情境选项：结合本岗位系统或者业务链路
2. 输出模板：情境、痛点、必要性、定位分工、资料抓手、隐患、兜底，MVP
3. 评审重点：是否真需要多智能体，是否存在过度规划
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|闫波老师
适合谁听
技艺总监、前后端开发、测试、海量资料开发工程师、以及相关技艺负责人和项目主力。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。