专题出品人：茹炳晟
腾讯Tech Lead 腾讯研究院特约研究员
腾讯Tech Lead，腾讯研究院特约研究员，中国计算机学会(CCF)TF研发效能SIG主席，“软件研发效能度量规范“标准核心编写专家，中国商业联合会互联网应用技术委员会智库专家，中国通信标准化协会TC608云计算标准和开源推进委员会云上软件工程工作组副组长，腾讯云、阿里云、华为云最具价值专家，年度IT图书最具影响力作者，多本技术畅销书作者，著作有《测试工程师全栈技术进阶与实践》《软件研发效能提升之美》《高效自动化测试平台:设计与开发实战》《软件研发效能提升实践》和《软件研发效能权威指南》，译作有《持续架构实践》和《现代软件工程》（即将出版），国内外各大技术峰会的联席主席，出品人和Keynote演讲嘉宾。公众号“茹炳晟聊软件研发”主理人。
专题：大模型助力软件工程应用实践
Thoughtworks专家级咨询师，Thoughtworks 中国区DevOps/⼯程效能解决⽅案专家。
拥有多年软件⾏业及云计算从业经验，服务⾦融、医疗、科研等多⾏业客户，⽬前主要聚焦于国内⾦融客户的数字化转型、DevOps平台建设和研发效能提升等，以及MLOps和数据相关咨询工作。
张基
Thoughtworks 专家级咨询师
研发团队的大模型技术指南：软件开发与架构设计
大语言模型（LLM）如ChatGPT + GitHub Copilot为软件开发带来新的机遇，能够帮助业务人员和开发者在需求、架构、编码、测试等环节提高效率和质量，实现从设计到验证的端到端流程。在本次分享中，我们将向大家介绍 LLM 在研发效能方面的应用场景和实践案例，探索新的研发范式。同时，我们还将分享如何构建私有化的 LLM 工程化方式，使其更好地适应组织的需求。欢迎对LLM + 软件开发与架构设计感兴趣的朋友们参加本次分享，与我们一起探讨软件研发的未来。
1. 软件研发工程实践的发展和挑战
2. LLM 为软件研发带来的新机遇
* 梳理研发流程寻找突破点
* 新机遇带来的新挑战
3. LLM + 工序：探索与构建路径
* Discover 阶段：流程工程与 “语言” 工程
* Define 阶段：数据工程与 Prompt 工程
* Delivery 阶段：上下文工程与平台工程
4. 总结与展望
2. LLM 为软件研发带来的新机遇
* 梳理研发流程寻找突破点
* 新机遇带来的新挑战
3. LLM + 工序：探索与构建路径
* Discover 阶段：流程工程与 “语言” 工程
* Define 阶段：数据工程与 Prompt 工程
* Delivery 阶段：上下文工程与平台工程
4. 总结与展望
了解LLM在软件开发中的新机遇，填补传统方法和工具的不足
学习如何利用LLM实现端到端的设计与验证，提高效率和质量
探索通过工程化打造新工序，将LLM与流程、语言、数据等工程有机结合，提升研发效能
学习如何利用LLM实现端到端的设计与验证，提高效率和质量
探索通过工程化打造新工序，将LLM与流程、语言、数据等工程有机结合，提升研发效能
内容大纲
听众收益
艾瑞坤
腾讯 高级前端工程师
ChatGPT结合前端工程化实现智能研发提效
随着前端工程日益复杂，对研发效能提出了更高要求，在传统的开发模式中，从产品提出需求到代码的编写这条链路中，存在很多繁琐冗长的不合理流程，我们通过不断探索与创新，将前端工程化结合AI人工智能，将重复冗余的流程通过智能化实现开发提效，给开发者一个全新的开发体验与效能提升。
本次分享chatgpt的相关落地场景和实际生活中的使用场景介绍，主要讲如何将工程化内嵌到IDE插件中，通过chatgpt将AI结合到工程化实现智能代码cr、智能编写单测、代码语言转化等原理提升我们日常开发的效率。还讲解如何通过fine-tune实现自训练oncall智能助手，提升日常oncall效率等。演示如何通过自训练AI模型实现图形识别，结合工程化和chatgpt快速转成不同语言代码。整个分享会大家一块探索chatgpt对日常研发的落地与实践
1. 腾讯前端工程化生态演进
2. AI结合前端工程化实现开发提效
3. vscode插件进行前端工程化升级
4. 通过chatgpt实现代码智能cr、智能单测等15个开发提效工具实现原理
5. 智能oncall的业务落地与实现原理
6. AIGC智能写稿业务落地与实现原理
7. AI识别手画稿生成代码的原理与实践
8. 对chatgpt未来的思考
9. 前端AI智能化未来展望
2. AI结合前端工程化实现开发提效
3. vscode插件进行前端工程化升级
4. 通过chatgpt实现代码智能cr、智能单测等15个开发提效工具实现原理
5. 智能oncall的业务落地与实现原理
6. AIGC智能写稿业务落地与实现原理
7. AI识别手画稿生成代码的原理与实践
8. 对chatgpt未来的思考
9. 前端AI智能化未来展望
1. 了解搭配代码的开发提效方面，通过AI智能实现从设计稿、手画稿到生成具体代码这条链路的优化与提效
2. 学习到基于IDE插件做工程化深入改造，完善前端工程化体系升级，实现在大规模业务下的高效迭代
3. 了解AI智能化在真实开发业务痛点和落地场景，和实战经验与教训
4. 了解AI结合前端的落地待挖掘的价值与场景，一起探讨更多的潜力和可能性
2. 学习到基于IDE插件做工程化深入改造，完善前端工程化体系升级，实现在大规模业务下的高效迭代
3. 了解AI智能化在真实开发业务痛点和落地场景，和实战经验与教训
4. 了解AI结合前端的落地待挖掘的价值与场景，一起探讨更多的潜力和可能性
内容大纲
听众收益
先后就职于阿里文娱、阿里淘宝、腾讯新闻前端团队，参与淘宝app和腾讯新闻页的开发，为千万用户提供方便快捷网购渠道和优质新闻媒体内容的分发与展示。专注于前端基建、AI智能化开发、前端工程化、webcontainer、多人协同编辑技术等。热爱技术，活跃于github、掘金等开源社区，热衷于技术交流与分享。
王显君
无界AI 服务端架构师
AI工程化：实践与优化之路
目前AIGC大模型和多模态引领的AI浪潮空前浩大，除了AIGC本身的发展，将AI的成果快速工程化并高效应用到产品中也是非常关键的，算力和资源的管理也很重要。如何设计稳定、高效、高可用的AI工程化架构，以及更合理、更高效地管理好算力和资源将是本次的主题。
1. 工程化基础架构
1.1 基础架构和框架概述
1.2 详解统一调度和回调平台设计
1.3 队列和预估时间的实现
1.4 任务及资源的监控保障
2. 算力和资源管理
2.1 算力的动态分配和伸缩
2.2 模型的动态加载和切换
2.3 AI相关资源在GPU上的同步
3. 未来展望
3.1 更高效的算力资源利用
3.2 更灵活的任务调度
3.3 更精确的时间预估
1.1 基础架构和框架概述
1.2 详解统一调度和回调平台设计
1.3 队列和预估时间的实现
1.4 任务及资源的监控保障
2. 算力和资源管理
2.1 算力的动态分配和伸缩
2.2 模型的动态加载和切换
2.3 AI相关资源在GPU上的同步
3. 未来展望
3.1 更高效的算力资源利用
3.2 更灵活的任务调度
3.3 更精确的时间预估
内容大纲
现任无界AI服务端架构师，负责无界AI的架构设计、工程落地、技术优化等。
主导了无界AI项目从0到1的开发，并在后续不断地迭代优化，使无界AI在稳定性、通用性、高可用性等方面成为AI绘画行业领先项目。
深耕服务端多年，负责过大型支付系统、行情系统等的架构和研发工作，在服务端大数据、高可用、高并发领域经验丰富。
主导了无界AI项目从0到1的开发，并在后续不断地迭代优化，使无界AI在稳定性、通用性、高可用性等方面成为AI绘画行业领先项目。
深耕服务端多年，负责过大型支付系统、行情系统等的架构和研发工作，在服务端大数据、高可用、高并发领域经验丰富。
SECon组委会是由业界多位资深技术专家发起，负责组织技术指导委员会，并和委员会的专家一起挖掘全球软件工程领域的创新技术，同时依托智盟创课国内领先的人才能力提升服务供应商，组织专业的会务服务团队，全面推进会议的顺利落地，保证参会者体验。
商务合作：木子 15122643988
票务联系：丽媛 18600050529
E-mail：speaker@secon.com.cn
关注SECon公众号
添加SECon小助手，获取
会议最新资讯
