Návrh Školení
Úroveň 1: Doupě objevitelů – Tajemství požadavků
Mise: Pomocí jazykových modelů (ChatGPT) extrahovat strukturované požadavky z nejasně formulovaných informací.
Hlavní aktivity:
- Interpretace nejednoznačných produktových nápadů či žádostí o funkce
-
Využití umělé inteligence k:
- Generování uživatelských příběhů a akceptačních kritérií
- Navrhování typických uživatelů systému a scénářů použití
-
Tvorbě vizuálních reprezentací (např. jednoduchých diagramů pomocí Mermaid nebo draw.io)
Výsledek: Strukturovaný seznam požadavků včetně modelu domény a vizualizací
Úroveň 2: Kovářská dílna návrhů – Architektonický svitopis
Mise: Využít umělou inteligenci k vytvoření a ověření architektonického plánu.
Hlavní aktivity:
-
Využití AI k:
- Navržení vhodného architektonického stylu (monolit, mikroslužby, serverless)
- Generování diagramů komponent a interakcí mezi nimi
- Vytvoření základní struktury tříd a modulů
-
Navzájem kritizovat navržené řešení v rámci kontrol návrhu od ostatních členů týmu
Výsledek: Ověřená architektura a základní kódová struktura projektu
Úroveň 3: Aréna kódu – Kodex výzvy
Mise: Využít asistenty umělé inteligence k implementaci funkcí a zdokonalování kódu.
Hlavní aktivity:
- Implementace potřebných funkcí s využitím GitHub Copilot nebo ChatGPT
-
Refaktorování výstupu AI tak, aby splňoval požadavky na:
- Výkonnost
- Bezpečnost
- Snadnou údržbu kódu
-
Vkládání záměrně špatně napsaných částí kódu a společné hledání chyb v rámci týmu
Výsledek: Funkční, přeformátovaný kód vytvořený s podporou AI
Úroveň 4: Bažina chyb – Testování temnoty
Mise: Vytvářet a zdokonalovat testy s pomocí umělé inteligence a současně hledat chyby v cizím kódu.
Hlavní aktivity:
-
Generování testů pomocí AI:
- Jednotkové testy
- Testy integrace
- Simulace okrajových případů chování systému
-
Výměna nekompletních či chybných kódů mezi týmy za účelem ladění s pomocí AI
Výsledek: Kompletní sada testů, hlášení o chybách a jejich opravené verze
Úroveň 5: Portály CI/CD – Brána automatizace
Mise: Nastavit inteligentní CI/CD pipelines s asistencí umělé inteligence.
Hlavní aktivity:
-
Využití AI k:
- Definování pracovních postupů (např. pomocí GitHub Actions)
- Automatizaci kroků jako kompilace, testování a nasazení
-
Navrhování pravidel pro detekci anomálií či automatický rollback
Výsledek: Funkční skript nebo konfigurace CI/CD pipeline s podporou AI
Úroveň 6: Pevnost monitorování – Strážní věž logů
Mise: Analyzovat systémové záznamy a pomocí strojového učení odhalit odchylky i navrhnout postupy obnovy provozu.
Hlavní aktivity:
- Analyzování předem vytvořených či synteticky generovaných logů
-
Využití AI k:
- Identifikaci odchylek a tendencí chybovosti
- Navrhování automatických reakcí (např. skripty na samoopravu systému, upozornění)
-
Tvorbě kontrolních panelů či vizualizací
Výsledek: Plán monitorování a simulované mechanismy inteligentního upozorňování
Závěrečná úroveň: Aréna hrdinů – Vytvoření dokonalého AI podporovaného SDLC
Mise: Využít vše, co se dosud naučili, k sestavení kompletního cyklu vývoje pro mini-projekt.
Hlavní aktivity:
- Vybrat malý projekt určený týmu (např. systém na sledování chyb, chatbot nebo mikroslužba)
-
Aplikovat využití umělé inteligence ve všech fázích SDLC:
- Požadavky, návrh, kódování, testování, nasazení i monitorování
- Prezentovat výsledný produkt v krátké týmové demonstraci
Spoluúčastníci hlasují či posuzují, který tým dosáhl nejefektivnějšího řešení založeného na AI.
Výsledek: Kompletní implementace SDLC včetně podpory umělé inteligence a prezentace týmového projektu
Po absolvování tohoto workshopu budou účastníci schopni:
- Využít nástroje generativní AI k získávání a strukturování požadavků na software
- Generovat architektonické diagramy a ověřovat navržená řešení s pomocí umělé inteligence
- Implementovat i upravovat kód vysoké kvality s asistencí AI copilotů
- Automatizovat tvorbu testů a efektivně ladit chyby za podpory umělé inteligence
- Navrhovat CI/CD pipelines schopné detekovat a reagovat na neobvyklé události
- Analyzovat systémové záznamy pomocí nástrojů AI/ML, identifikovat rizika a simulovat opatření k samoopravě systému
- Předvést kompletní cyklus SDLC vylepšený využitím umělé inteligence na konkrétním týmovém projektu
Požadavky
Cílová skupina: Softwaroví vývojáři, testeri, architekti, DevOps inženýři a produktoví manažeři
Po účastnících se očekává:
- Základní znalost cyklu vývoje softwaru (SDLC)
- Praktické zkušenosti s alespoň jedním programovacím jazykem (např. Python, Java, JavaScript, C# apod.)
-
Seznámení s:
- Psaním a čtením uživatelských příběhů a požadavků
- Základy návrhu softwarových systémů
- Práce s verzovacím systémem (např. Git)
- Psaním a spouštěním jednotkových testů
- Obsluhou nebo interpretací CI/CD pipeline
Jedná se o pokročilý workshop určený především pro profesionály, kteří již působí v týmech zabývajících se vývojem softwaru – tedy vývojáře, testery, DevOps specialisty, architekty a produktové manažery.
Reference (1)
Získal jsem znalosti týkající se knihovny Streamlit v Pythonu a určitě ji budu snažit použít k zlepšení aplikací ve svém týmu, které jsou vytvořeny v R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurz - GitHub Copilot for Developers
Přeloženo strojem