AI Delivery软件工程交付理论及实战
今天的第一个话题，在AI的大背景下如何保证快速成为 "超级兵种"--也就是能够前端用AI编写后端代码、后端可以用AI编写前端代码、运维可以用AI编写后端代码等等各种兵种的融合。
这里我先发问，如何能让各兵种互相看得懂？
比如，啊 我有个需求给到数据研发，但是我不知道如何描述啊，我想让这个数据给我分析各结果，但是能来会写提示词？数据AI助手怎么做到的转化成对应的需求文档，返回给用户去顶这个文档对不对？然后再交互提提交。
那么针对前后端跨兵种AI应用，我们可以构建一套统一AI文档接口协议，前后端不再需要多个agent独立的比如前端Agent、后端Agent。
今天的第二个话题，在AI的大背景下如何保证AI生成的无论是文档还是作品或是代码的质量呢？
我这里给出了一个AI巡检的概念，那么AI质量分为0-1系统或产品的建设，1-100的系统或产品的建设：
针对0-1过程的系统或产品建设：
针对1-100过生的系统或产品建设：AI交付物的质量，是否可能造成遗漏 或者 由于初期没想清楚，架构师或开发人员低估了AI 导致后续只再仔细检查线。直接生成上线？导致的 因信任出现的问题？这是不是指的第一开始的人工调整，而是比应付用了AI次 发现一点问题没有，然后完善，10次的快速迭代问题了。
解决方案：AI agent质量保障，算法&AI工程专业度，根据0.001%的风险以及报错出现风险！AI agent的降级方案又是什么？这里的不光是代码回切，而是上线后发现有问题吧？我是所有的case百分百全都覆盖，但是就是业务都没考虑到的极端情况下，AI 巡检与自愈系统。
今天的第三个话题，AI Skill、AI Coding、AI助手答疑的我个人实践理解：
1. AI shit! 技术本身是一种某层面固定化工作流程的工作，或者说日常繁琐的比如：可能忘记的事情（要通知各个业务方去治理数据）有截止时间。这就是可以通过Skill进行日常通知和常规故障类事务的数电科学的提醒。对于进度的把握以及防止忘确实有帮助。
2. Ai Coding啦 对于提示词的应用，比如把含 Json解析 转换成对象。
3. Auto手写链，通过非间沟通的场景。当用户对于模糊结果有诉求，通过AI将问题的形式 生成一套流程？比如：1.什么什么我要选一条什么金额的短证据？然后自动化帮你把流程包括 可以理解为组建任务？-->拉取用户输入的重要的参数（这是个问题，用户是在48h入的是不是固定的嘛 比如 昨天为什么这个场景的比如100条输出结果都要通过A助手给我300的结果。然后呢 用户的输入是变化的嘛 他可能是 我要支付500的这个结果的测试链路结果 用户又可能说 业务上线了，500的测试结果能帮我继续跑输出下结果，那是不需要转换 提示词）匹配的应该就是智能匹配的相关提示词。
