AI-Native 研发范式进阶培训

1. 研发管理与 PMO/BA：掌握 AI 辅助需求分析、任务规划、进度管控与复盘的实操方法
2. 架构师与核心开发：掌握 Harness/Skill/SDD 方法论，将其应用于架构设计、编码重构、代码评审
3. 测试与质量专家：掌握故障定位、用例设计、自动化验收场景的 Skill 工作坊方法。
4. 安全与合规相关岗位：理解银行业场景下的安全治理体系与风险分级门禁设计。

1. Harness 认知框架：理解 Harness 工程范式演进与流程/知识/工具三大支柱，能判断团队当前所处的成熟度阶段
2. 方法论工具箱：掌握 Skill 与 SDD 设计方法论，能把某类问题的最优流程固化为可复用资产
3. 场景实操能力：在研发管理、工程实践、测试与质量三类场景下，套用方法论完成需求分析、架构设计、代码评审、故障定位等实操
4. 知识工程能力：掌握知识资产的分类、发现、存储、生产与维护，把中央知识库建成 Agent 真正用得上的资产
5. 安全治理能力：掌握 AI 辅助研发过程中的风险分级门禁、护栏设计与验证方法
6. 落地与度量能力：完成成熟度评估与试点行动计划，建立从周期、质量、返工、成本等维度跟踪试点成效的度量思路

讲师讲授 + 现场演示 + 沙箱练习 + 分组研讨

3天

第1讲：认知重构：AI 原生本质、大模型基础与安全使用准则（约 1.25h）

AI 原生的本质 类比云原生：生产力跃升后围绕 Agent 重新设计研发架构，而非把 AI 当辅助工具叠加在旧流程上 AI 辅助 vs AI 原生的关键差距：任务执行主体从人逐渐转移给 Agent

大模型与 Agent 基础认知 工作原理简述：训练与推理、上下文窗口、工具调用 能力边界：擅长什么、不擅长什么 常见风险：幻觉、错误代码、不安全依赖、提示注入

提示工程与上下文工程实用方法 提示词模板与任务模板：结构化提示的可复用套路 [案例] Cursor 提示词框架：规则文件+当前文件+代码库检索按优先级拼装上下文 结果校验方法：如何判断一次输出是否可信 [练习] 用给定模板改写一段模糊指令，现场校验输出质量

安全使用准则 数据安全红线：按数据敏感度划分可用的模型与工具范围，而非"能用就用" 脱敏判断标准：什么样的数据/代码可以直接交给模型，什么必须先处理 源码与客户数据隔离原则：为什么这条边界不能靠自觉遵守，需要显式划定

第2讲：Harness 基础：从 Prompt 工程到运行系统设计（约 1h）

什么是 Harness 马具的隐喻：马是模型，骑手是工程师，马具是 Harness Agent 厂商视角：Agent 能力 = 模型能力 + Harness 能力 研发团队视角：扩大单任务颗粒度，提升 Agent 自主程度

范式演进与六大核心模块 三层范式对比：Prompt→Context→Harness 在核心问题、技术范围、性质上的差异 六大模块：上下文管理、工具编排、验证机制、状态管理、可观测性、人类接管

团队实际能建设的是什么 团队杠杆在项目层：流程/知识/工具三方向提升 Agent 自主程度 三方向怎么落地：流程→Skill/SDD；知识→五类知识资产；工具→CLI/MCP、可测试性接口 [案例] 改接口场景：流程/知识/工具三方向协同落地

第3讲：Skill 与 SDD 设计：固化解决问题的最优流程（约 1.5h）

流程强化的递进层级 四层：主动遵守的基本纪律 → 现成 SDD 工具兜底 → 自定义 SDD 注入项目要求 → Skill 强化单任务推理 Skill 与知识库的分工判断标准：Skill 装"怎么想"，知识库装"想什么"

Skill 设计五步法 五步法：总结模式 → 分离知识 → 提炼工具 → 打磨技巧箱 → 验证 总结模式/分离知识：提炼可复用骨架，正文只放推理判断，知识独立成文件复用 提炼工具/技巧箱/验证：脚本下沉机械逻辑、参数最小化、幂等降级；快照与边界测试防退化 [练习] 给定接口契约校验或 Code Review 场景，按五步法产出 Skill 草案

SDD 设计方法论 为什么需要 SDD：多工件依赖、跨会话状态、多阶段生命周期 设计步骤：划分生命周期 → 逐阶段落地为 Skill → 状态与推理分离 → 打磨协作衔接 → 治理 关键技巧：进度靠落盘事实而非模型记忆；终止状态写死"唯一合法下一步" [演示] 从零设计一套自定义 SDD：多 Agent 协作的故障定位诊断流程

第4讲：需求分析与任务规划场景实操（约 1.75h）

产品知识重建：需求分析的共享知识源 核心问题：PRD/需求分析/开发三环节效果不佳的共同根因——缺唯一事实来源 重建方法：以测试用例反推产品全貌，叠加原型，作为共享知识源 [案例] 产品知识重建在需求分析中的应用

需求澄清与歧义检测：设计一个 Skill 套用第3讲五步法：把人工核对 PRD 的检查步骤沉淀为歧义检测 Skill 检测标准：AC 需可验证/无歧义/无实现细节；常见坑是看似写了却测不出来的假 AC [练习] 给一份模糊 PRD 写 AC 并跑一遍 Skill，互相挑错

任务拆解与估算计划：设计一套 SDD 生命周期：拆解 → 估算 → 排期三阶段，逐阶段落地为 Skill 输入来源：历史任务经验、Spec/AC 格式、代码库改动范围分析 估算只作参照基线，不替代人工判断；中间产物落盘传递，不塞进对话 [演示] 设计"需求 → 任务拆解 → 估算 → 计划"SDD，跑一次完整流程

第5讲：进度管控与项目复盘场景实操（约 1.25h）

进度与质量分析：设计一个 Skill 套用第3讲五步法：把人工核对任务状态、缺陷趋势的检查步骤沉淀为分析 Skill 异常信号识别：任务状态、缺陷趋势、返工率等指标交叉解读 [演示] 用给定项目数据跑一次进度/质量分析 Skill

风险识别：套用四维度框架 四维度：可逆性、影响范围、检测延迟、监管强制程度 信号来源：进度、质量、人员数据交叉识别风险 [练习] 给定项目数据，用四维度框架判断风险等级

项目复盘：设计一套 SDD 生命周期：会话/提交记录采集 → Agent 提炼归类 → 经验条目产出 反哺知识资产：复盘产出直接写入知识库，而非另存报告 [练习] 用给定项目案例做一次 AI 辅助复盘，产出经验条目草稿

第6讲：架构设计与规格驱动开发场景实操（约 2h）

AI 辅助架构设计 架构决策记录（ADR）的沉淀：为什么这么设计、否决过什么方案 结构知识与设计决策的应用：降低推理复杂度，避免重蹈覆辙 银行特有约束：资金计算、监管报送类设计决策需更高强度人工复核 [练习] 给定一个改动场景，判断复核强度并列出需要复核的设计决策点

可执行 Spec 编写 五段式：领域名词 → 前置条件 → 主流程 → 异常处理 → 验收标准（AC） AC 质量标准：可验证、无歧义、无实现细节；开发者/Agent/自动化测试三方共用 失败模式：Agent 填充错误实现、约束跨 Session 遗失、多 Agent 出现分歧 [练习] 把一段模糊需求改写成符合五段式的可执行 Spec

Spec 驱动开发循环 生命周期：探索方案 → 落地为 Spec → Agent 实现 → 归档沉淀知识 工具落地：OpenSpec、Superpowers，按项目形态选型 编码阶段知识应用：结构知识（模块依赖）+ 任务经验（检查列表、任务步骤）作为 Agent 实现参考 [练习] 从模糊需求到可执行 Spec，现场跑一次完整循环并复核产出

第7讲：代码重构与评审场景实操（约 1.5h）

AI 辅助代码重构：微观决策不能外包 重构铁律：不改功能只改结构，先计划后执行，每步验证失败回滚 微观决策不能外包：错误码、nullable 等选型需人核对系统约定 代码审美是分水岭：结构、命名、重复逻辑的持续审视决定技术债增长速度 [练习] 给定一段 AI 生成代码打分，标出需要立即重构的点

代码评审策略：设计一个 Skill 五类高频错误：重复逻辑、状态泄漏、命名混乱、架构违规、冗余注释 沉淀为可复用 Skill，用三板斧（约束上下文、限定输出、分级追问）收窄评审输出 现成能力优先复用，而非重新发明 [演示] 对一段 diff 做 AI 辅助 Code Review，按五类错误输出优先级清单

建立集中强大的代码评审能力：应对 AI Coding 与安全合规要求 评审要升级为团队/企业级能力：深度审查、知识可积累、结果可预测可审计 安全检查纳入固定维度：SQL 注入、越权访问、敏感信息明文存储等；银行红线项检出后触发人工复核门禁 纳入 CI 门禁强制执行，同时向个人开放；安全项写入系统上下文作为固定自检 [案例] 团队级 Code Review 从人工清单到 Skill 化、门禁化的演进

第8讲：日志诊断与故障定位场景实操（约 1.5h）

日志诊断与故障定位：设计一套 SDD 生命周期：日志预处理 → 假设生成与证据核验 → 单/多 Agent 定位 → 复盘沉淀 推理约束：假设必须引用行号或时间戳，无证据强制标注"[推测]" 定位分岔：单层故障单 Agent 线性推理，跨层故障多 Agent 分头取证再汇总 [练习] 现场设计日志诊断/故障定位 SDD，学员对照检查项打分

行业案例：Agent 自动分析工单，人工确认 落地形态：Agent 生成"现象-原因-建议动作"，人工只做确认拍板 关键设计点：建议必须附带证据引用，处理动作由人工触发 [案例] 工单自动分析与人工确认闭环

行业案例：代码图谱增强日志定位效果 做法：代码图谱把代码库加工成结构/依赖知识，供定位查询调用链 效果：跨模块根因定位比现读源码更快更准，尤适合遗留系统 [案例] 图谱知识在故障定位场景的应用

第9讲：测试用例设计与自动化验收场景实操（约 1.5h）

用例设计 三类输入：Spec/AC 定范围，规格化知识定细节，历史用例库防重复与遗漏 流程模式：AC 拆解 → 功能/边界/异常三类生成套路 知识沉淀：核验 Agent 生成结果，反哺进规格表和枚举框架 工具支撑：模板版本化，溯源校验 Hook 拦截无出处用例

从用例生成传统自动化测试 定位：解除生成慢、失败靠人工排查两大瓶颈 生成非一次性：写完自动跑、按结果修到稳定跑通；定位逻辑与已知坑沉淀进知识层 质量把关：可维护性、健壮性、覆盖率多维检查，拦截"能跑但模式不当"的脚本

Agent 自动执行手工用例 原子操作封装：点击/输入/截图/状态获取等原子工具，Agent 按用例意图自主编排执行 用例设计原则：步骤写意图不写坐标，预期结果可判定 提升稳定性：页面 ID 管理简化状态获取，三档降级定位 [演示] 现场跑一次探索性测试 Skill 工作坊，学员对照检查项打分

Agent 管理批量测试执行与分析 不论传统脚本还是 Agent 驱动执行，结果/日志统一格式，Agent 批量调度与重跑 失败三类归类：环境噪声 / 可自愈 / 真缺陷，作为决策依据而非堆积日志 决策支持：人力从"盯执行、逐条排查"转向"审阅结论、裁定边界 case"

第10讲：知识工程：场景溯源与知识分类（约 1h）

从场景看知识依赖 复杂项目典型特征：遗留代码、多端协同、隐性约束多 各核心场景（需求分析/交互设计/功能开发/代码评审/联调测试/问题定位）均能识别知识缺口 [案例] 从测试用例重建产品全貌；模块级结构知识提升功能修改成功率

五类知识模型 结构知识、编码规范、设计决策、任务经验、领域知识：分别对应什么问题、典型载体是什么 知识与流程、工具的分工边界：Skill/SDD 只定推理模式，知识管内容

发现与注入机制 现状类（结构知识、领域知识）靠拉取，README.md 常驻，渐进披露 变更类（设计决策、任务经验）靠推送，INDEX.md + 注入机制，指引按需披露 触发方式：批处理定期 + 事件触发（CI 失败/Review 驳回），均需人工审核关卡防噪音 [案例] 跨模块影响面的任务经验条目：INDEX.md 写法示例

第11讲：知识工程：知识资产的存储、生产与维护（约 1h）

存储选型 三类载体：Git（研发工作空间）、协同工具（产品协同空间）、数据库类（查询检索） Git 内部分层：个人知识、团队知识、共享知识 索引化知识：知识图谱/代码图谱/RAG，工具持续构建维护，Agent 走查询接口获取答案 常见问题：场景错配、边界模糊、选型过度

知识生产与维护 生产：自动化 + 人工筛选，从提交记录/框架源码提炼经验，配合提炼工具批量加工 维护：人工（补丁思维、定期回顾、CODEOWNERS）+ 自动（Session 驱动优化闭环） 数据链路：采集 → Agent 提炼归类 → 人工审核 → 写入知识库；脚本管采集去重，Agent 管归类，人工把关 [练习] 为一个模块编写 MODULE.md；为一段历史踩坑场景编写 INDEX.md 条目

第12讲：工具体系改造：给 Agent 配齐手脚（约 1h）

已有工具的 Agent 化改造 善用现成检查工具：架构分层、代码风格、安全扫描、接口契约校验、覆盖率门禁接入 CI 内部工具补齐 CLI/API ，接口改造成 Agent 好用 外部平台走 MCP 对接，描述比代码重要、返回值让模型能消化、接口防误用 MCP 权限边界设计：按最小必要原则开放工具集，写操作与读操作分权限档位 [案例] 某企业案例：补齐 CLI 接口后接入 Agent 工作流，人工耗时下降

为 Agent 新增能力 提升 Agent 自主性常需新增：感知（状态查询/日志）、执行（原子 API 替代 GUI）、治理（权限最小化/可回滚）、协同（事件 Hook 替代轮询）等能力 增强可测试性：推动开发侧暴露测试接口、稳定标识，绕开 GUI 不稳定性 增强可观测性：关键状态埋点、结构化日志，让诊断有信号可依而非靠截图猜测

企业级工具体系 三层分级管理：个人级 → 项目级 → 企业级 运行时沙箱隔离：Agent 执行环境与生产网络/敏感数据域隔离，网络出口与文件系统访问显式白名单 安全运营：只读账号、接口参数化、敏感字段脱敏、操作日志留存

第13讲：安全治理体系（约 1.75h）

治理框架总览：护栏与门禁的边界 六层模型映射研发阶段：策略（立项）→ 规范（需求/设计）→ 沙箱（开发环境）→ 审查（评审）→ 执行（CI）→ 追溯（发布后） 护栏（Guardrail）：规范层 + 沙箱层的事前约束，限制 Agent 能做什么 门禁（Gate）：审查层 + 执行层的事后验证，检查产出合不合格 两者不是同一件事：护栏管"能力边界"，门禁管"结果准入"

护栏设计：策略边界 + 规范约束 + 沙箱隔离 策略层三档清单：开放类（测试/文档）、受限类（API/业务逻辑）、禁止类（密码学实现/部署自动化） 银行数据分级依据：JR/T 0171 的 C1/C2/C3 分级，划定脱敏边界 规范层：任务级约束前置绑定——范围、架构约束、安全需求、验收标准 沙箱层：只读仓库 + 指定分支可写、无生产凭证、网络出口限制、资源配额 [练习] 给定一个改动场景，判断该配哪档策略、需要哪些沙箱约束

风险分级审查与执行门禁 四维度打分：可逆性、影响范围、检测延迟敏感度、监管强制程度 红线直锁：命中资金计算/监管报送/客户权益，跳过打分直接完整审查 审查路由：高风险→完整审查（具名评审 + 安全签核）；低风险→快速通道（自动检查 + 抽查） 执行门禁：静态扫描、依赖扫描、密钥扫描、动态测试，强制阻断不可绕过 银行开源治理：依赖扫描额外过开源准入合规审查 [练习] 给定变更案例，判断审查路径与强制门禁

AI 编码 Agent 特有威胁与追溯复盘 特有威胁：提示词注入、MCP 工具欺骗、shell 链式提权、跨会话凭证残留 配置审计对象：系统提示词、工具权限、数据源、沙箱边界、知识访问分级 Agent 注册表：记录权限、范围、版本 运行时监控：不可变操作日志、异常检测、kill switch 全链路追溯：模型 → 规范 → 评审 → 检查 → 晋级 违规处置：熔断 → 分级上报 → 复盘 复盘方法：根因分析——现象 → 假设 → 证据 → 验证 [演示] 用给定案例（Agent 引入幻觉依赖包触发供应链风险）推演根因

第14讲：组织进化与效能度量（约 1h）

生产力悖论 DORA 2025：个人产出翻倍，组织交付指标几乎没动；瓶颈从"写代码"转移到"审代码"与决策链条 原因分析与演化路径

角色价值迁移 PM → 规格架构；设计师 → 体验判断；开发 → Harness 设计师；测试 → 意图守护者；运维 → 可观测性设计者 [案例] 执行层与判断层的边界

协作与组织形态 协作机制：串行交接 → Spec 驱动并行，HITL 检查点取代交接会议 组织形态：职能部门 → 双层模型（产品特性团队 + 平台 CoE） [案例] Microsoft、Duolingo、Moderna 的组织重组路径

AI Native 效能度量操作层 度量核心：从"人完成了多少"转向 HAF，警惕 Goodhart 定律 五层指标：AI 采纳 → Agent 生产力 → Harness 成熟度 → 工程质量 → 交付效率 操作层方法：如何为周期、质量、返工、自动化覆盖率、成本建立基线并持续跟踪 落地原则：度量用于改进 Harness 而非考核个人

第15讲：落地实施体系：成熟度评估与工作坊（约 1.5h）

双成熟度模型：团队现状评估工具 Agent 应用成熟度：辅助 → 优先 → 原生，衡量团队对 AI 的使用深度 Harness 建设成熟度：流程 / 知识 / 工具三支柱，衡量团队的工程化承载能力 作为评估工具：判断本团队当前所处阶段，识别下一阶段需要补齐的支柱

结营工作坊 分组（按管理/工程/测试岗位划分 2-3 组）基于脱敏场景开展产出 产出一：场景方案：选定 1-2 个高价值场景，说明现状痛点与 AI 辅助切入点 产出二：流程与模板：对应场景的 Skill/SDD 草案或提示词模板 产出三：90 天试点行动计划：分阶段目标、里程碑、评估方式 [产出] 各组现场汇报，讲师点评