AiDD研发数字峰会

论坛主席：刘涛

中兴通讯资深AI算法专家，来自中兴通讯技术规划部，目前担任中兴星云大模型项目经理，主要研究领域为大模型算法，并行训练技术，模型推理优化，高性能计算等，在相关领域取得多项专利。

中兴通讯资深AI算法专家

大模型时代ATDD实践

TDD（包括UTDD、ATDD）在软件工程2.0时代名存实亡，但在软件工程3.0时代凤凰涅槃、重现生机。本论坛聚焦大模型时代ATDD、UTDD的方法论与实践，包括Spec-Driven Development实施案例，剖析如何打破技术与业务壁垒，推动开发、测试、业务三方协同，提升需求、设计和代码的全过程质量、减少返工成本，推动软件研发进入“质量为先、智能高效”的数智化新阶段。

知识消费驱动的Spec编写方法与实践
——AI时代UTDD/ATDD的工程底座

陈雅菲

中兴通讯公司资深软件架构师资深敏捷教练高级AI教练

内容简介：

Spec-Driven Development火热，但“Spec到底该怎么写”始终无解，根本原因在于——Spec的编写从未从“知识消费”视角被系统定义。
本分享提出“知识消费驱动”的Spec编写方法论：从下游（开发、测试、AI Agent）如何消费知识出发，逆向定义Spec该写什么、该怎么写。我们识别出Spec的核心消费场景——定位变更范围、定义接口契约、设计测试用例，并据此提炼出Spec的内容框架与表达规范，让设计成为代码的索引，让契约直接映射为可执行的测试用例。
该方法为UTDD/ATDD在AI时代的真正落地提供了可操作的工程底座，让“测试驱动开发”不再是理想、而是日常。

演讲提纲：
1. 问题提出：行业热议SDD、Spec-Kit、OpenSpec，似乎只要有了“Spec”这个壳，一切就水到渠成，但现实告诉我们没这么简单，真正痛苦的不是“有没有Spec”，而是 “Spec到底该怎么写”
2. 解决思路：理清知识消费链路，倒推Spec该写什么、怎么写，实现存量设计可被增量设计消费，增量设计可被代码和测试消费，这也正是构建UTDD/ATDD所需要的工程底座
3. 解决方案：知识消费驱动的Spec编写方法与实践
· 理清知识消费链路，定义存量设计的“最小必要集”章节
· 定义每个章节的“可消费”表达形式
· 构建知识流转与消费的双向工作流：逆向反构+正向生成+闭环迭代
4. 实践案例
5. 效果评估
6. 总结&展望

听众收益：
1. 认知升级：理解Spec编写的本质，从"为写而写"转向"为用而写"
2. 方法掌握：了解知识消费驱动的Spec编写方法
3. 工程参考：通过真实案例，学习UTDD/ATDD从理念变成可操作的工程实践

中兴通讯公司资深软件架构师资深敏捷教练高级AI教练
深耕软件领域20余年，拥有丰富的大型软件项目架构、设计与开发经验，在软件设计开发理论与实践上均有独到见解。
长期致力于敏捷技术实践指导与推广，多次获得公司十佳敏捷教练称号。目前研究方向是研发知识工程与端到端AI研发提效。

告别单人 AI 编码！
软件工程 3.0 下企业团队与多智能体协作新范式

陈晓露

行云创新产品副总裁

内容简介：

当前Claude Code、Codex等顶尖AI编码工具，大多聚焦个人单兵开发场景，能够高效支撑单人全流程开发工作，但完全无法适配企业规模化、团队化的研发需求。企业级AI开发是典型的协同工作场景，离不开产品、开发、测试、运维多角色联动，传统单人AI开发模式的弊端被无限放大，出现代码混乱、权限失控、分工低效、流程脱节等诸多问题。本次分享立足软件工程3.0发展背景，跳出个人AI编码的固有思维，结合真实落地实践，聚焦企业团队AI研发的核心痛点，拆解代码库安全管理、新型团队分工、全角色AI赋能、多智能体协同等关键实践，分享落地过程中的踩坑经验与优化方案，为企业落地AI规模化协作开发提供可直接复用的思路与方法。

演讲提纲：
1. 核心难题破解：企业AI开发的代码库平衡管理。详解团队协作场景下，如何兼顾代码数据安全、分级权限管控，同时为AI模型提供完整、精准的项目上下文，解决安全管控与AI高效编码的核心矛盾。
2. 分工模式革新：从技术模块拆分到需求特性驱动。对比传统研发与AI赋能研发的差异，解析软件工程3.0下，企业研发团队从按技术模块分工，转向按业务需求特性分工的底层逻辑、落地方法与适配优势。
3. 全角色AI赋能：非开发岗位的AI落地工作流。聚焦产品经理、测试、运维等非开发角色，拆解各岗位如何借助AI编码工具重构工作流程，打破研发岗位壁垒，实现全链路AI提效。
4. 新型协作体系：多人+多智能体融合协作实战。深度拆解企业级多人协同、多AI智能体联动的全新研发协作模式，厘清人机分工、人人协作、机机互补的完整运行机制。

听众收益：
1. 掌握可落地的企业AI协作研发体系。系统了解软件工程3.0下AI企业级团队开发的完整流程、新型分工模式与全岗位赋能方案，摆脱个人AI开发的思维局限，适配企业规模化研发场景。
2. 规避核心落地坑点，降低试错成本。获取一线实战中总结的代码库管理、团队分工、AI工具落地的常见问题与避坑策略，解决企业AI协作开发落地难、效率低、风险高的痛点。
3. 吃透多人多智能体协同核心逻辑。清晰掌握人机融合、多智能体联动的团队协作模式，具备搭建企业高效AI协同研发团队、优化团队管理流程的实操能力。

工信部特聘云原生技术专家、阿里云大模型认证专家，深耕工业数智化与 AI 落地领域，精通大模型后训练、RAG、知识图谱、企业智能体等核心技术，擅长云原生与AI深度融合，拥有 18 + 年企业智能化方案设计与落地实战经验。

张燚钧

中国移动云能力中心 AI 技术研究员

高级工程师，中国移动AI高级技术研究员，CCF软件工程专委会委员、苏州YOCESEF委员、苏州AIGC产业联盟荣誉委员。

工学博士，毕业于上海交通大学，中国移动首批金种子计划入选者，中国移动优秀炼金青年，江苏省双创人才，姑苏重点紧缺人才。

开启移动云AI团队在开源社区的首次贡献，所提PR被高影响项目接受。牵头研发的神眼多模态大模型在全球测评榜单上获得同规模参数模型排名第5。承担移动代码大模型继续预训练的重点攻关工作，增强了九天基础大模型的代码能力。

申报国家自然科学基金委联合企业基金项目2项。发表论文多篇，提交专利20余项，参与标准制定5项，获得信通院核心参编证书2项。在高影响力公众号上发布文章，总阅读量超过6万。移动云社区年度优秀开发者。

移动云基于Harness的AI原生开发实践

内容简介：

随着 Harness Engineering 的兴起，它正逐步成为驱动 AI Coding 研发质量提升的新范式。然而，在企业级复杂生产项目中如何有效落地该方法论，业界尚未形成统一认知。本次演讲将结合移动云在云基础设施领域的真实生产实践，深入解析 Harness Engineering 的方法论应用与实战经验。

演讲提纲：
1.Harness Engineering概念解读
2.Harness Engineering落地关键点
3.移动云Harness落地最佳实践案例
3.1 移动云数据库控制台百万级代码重构（海量代码任务）
3.2 移动云数据库内核优化实践（高智力任务）
3.3 大模型推理引擎AI自动优化实践（高经验任务）
4.案例总结与展望

听众收益：
1.了解Harness Engineering原理及落地关键概念
2.了解如何在生产级业务中运用Harness Engineering方法。
3. 海量代码任务、高智力任务、高经验任务的传统任务AI原生改造经验。

AiDD峰会

K+峰会

联系我们