AI工具链与平台工程实践-2024上海站_QECon全球软件质量效能大会-橙柚科技

点击抢票

即将售罄

大模型及AI应用效果评估实践

深圳站 · 2024年5月24-25日

上海站 · 2024年9月20-21日

北京站 · 2024年10月25-26日

优惠倒计时

专场：AI工具链与平台工程实践

本次专场聚焦AIGC大模型技术在工具链和平台工程中的革命性应用。我们将展示如何通过AI、大模型重塑CI/CD、DevOps工具链，实现开发流程的高度自动化和集成化，显著提升软件交付的速度与质量。行业专家将围绕本专题分享前沿洞见，探讨在不同业务场景下的应用案例和最佳实践，进一步帮助听众理解智能化如何推动平台工程的持续创新和发展。

专场出品人：秦巍

快手研发工具链产品负责人、研发效能解决方案团队负责人

负责快手研发工具链产品建设(智能化平台、三端一站式效能平台以及研发协作平台的建设)，通过工具和系统方法推动快手核心业务的研效提升。有10年互联网软件研发和效能提升经验，致力于通过系统方法、解决方案和工具化、产品化提升集团核心部门研发交付和业务创新效能。曾在阿里经济体内,深耕效能,负责菜鸟产研团队的数字化转型,助力云智能最核心团队获得效能优化大奖,主导阿里集团超大规模中台型团队系统性提效等经验。

郝明鉴

嘉银科技技术中心测试开发专家

嘉银科技-测试架构-测试开发专家，目前主要负责嘉银科技的效能体系设计、质量中台开发。目前实现了主干分支、精准测试平台、测试驾驶舱等平台的开发和建设。基于规则引擎 + 故障特征模型的故障诊断系统更是为测试、生产环境提升显著的排障效率。从事测试开发近十年，在平台开发，字节码增强技术上有大量实战经验。ci/cd中略有涉猎，曾为apache/shardingsphere项目编写过单测检测和单测覆盖率聚合的workflows。

待定

AI智能故障诊断系统在嘉银的落地与实践

随着人工智能技术的飞速发展，智能化服务已成为企业提升效率、优化用户体验的关键手段。特别是在故障诊断领域，传统的基于人工的排查方式已无法满足日益增长的服务需求和复杂多变的故障场景。因此，构建一套高效、智能的故障诊断系统显得尤为重要。

本次分享将聚焦于一种创新的AI智能服务故障诊断系统，该系统深度融合了规则引擎、特征模型与知识库三大核心技术。规则引擎能够通过预设的规则快速定位问题，提高故障处理的自动化水平；特征模型则能够从海量数据中提取关键特征，为故障识别提供精准依据；而知识库则汇聚了丰富的行业知识和专家经验，为系统提供智能决策支持

内容大纲
1. 引言
1.1 背景介绍：AI智能服务故障诊断系统的重要性与应用场景
1.2 分享目的：交流系统落地过程中的经验与挑战
2. 项目筹备与分析
2.1 背景及目标设定
2.1.1 为何引入故障诊断系统
2.1.2 故障诊断系统的预期目标
2.2 需求分析与功能规划
2.2.1 场景构建
2.2.2 核心功能点
3. 技术架构与设计
3.1 整体架构设计思路
3.1.1 规则引擎的选型与集成
3.1.2 特征模型的构建方法
3.1.3 知识库的搭建与管理
3.2 关键技术组件详解
3.2.1 规则引擎的工作原理与优化策略
3.2.2 特征提取与模型训练流程
3.2.3 知识库的结构设计与更新机制
4. 系统开发与实现
4.1 核心模块的开发过程
4.1.1 规则引擎的集成与调试
4.1.2 特征模型的实现与优化
4.1.3 知识库的填充与维护
5. 问题分析与解决
5.1 遇到的主要技术挑战
5.1.1 数据处理与特征工程中的难点
5.1.2 规则冲突与优先级管理问题
5.1.3 知识库的完备性与更新效率问题
5.2 解决方案与策略
5.2.1 数据清洗与预处理方法的优化
5.2.2 规则引擎的冲突检测与解决机制
5.2.3 知识库的动态更新与校验流程
6. 项目收益与效果评估
6.1 质量提升的具体数据
6.1.1 故障诊断准确率的提升比例
6.1.2 系统稳定性的改善情况
6.2 效能提升的量化分析
6.2.1 故障响应时间的缩短
6.2.2 排障成本的降低
7. 总结与展望
7.1 项目成功经验与教训总结
7.1.1 新老技术的相互博弈
7.2 未来发展方向与改进计划
7.2.1 AI技术的持续深化应用
7.2.2 挖掘人机交互的LLM下的应用场景

听众收益
1. 故障发生时，快速排障的手段有哪些？
2. 如何把排障的成功经验交给系统去实施！
3. 特征模型在其中发挥的作用？
4. 排障 + 修复的一体化流程将要怎么完成？

秦巍

快手研发工具链产品负责人

研发管理办公室研发效能解决方案团队负责人

负责快手研发工具链产品建设(智能化平台、三端一站式效能平台以及研发协作平台的建设)，通过工具和系统方法推动快手核心业务的研效提升。有10年互联网软件研发和效能提升经验，致力于通过系统方法、解决方案和工具化、产品化提升集团核心部门研发交付和业务创新效能。曾在阿里经济体内,深耕效能,负责菜鸟产研团队的数字化转型,助力云智能最核心团队获得效能优化大奖,主导阿里集团超大规模中台型团队系统性提效等经验。

待定

AI助力快手规模化提效加速落地

1. 背景
2. 规模化提效的策略
3. 工具链如何赋能规模化提效

4. AI提效探索，加速规模化落地
5. 小结

张兆鑫

百度资深研发工程师

百度资深研发工程师，百度认证内训师、vivo认证讲师，负责百度Prompt工程研发平台iEValue、一站式测试管理平台iTest等产品研发及在百度集团的应用实践，在DevOps研发流程、基于LLM的智能化测试、AI原生应用研发、研发效能提升等领域拥有丰富经验。

待定

百度Prompt工程实践

Prompt提示词作为连接用户与AI系统的桥梁，通过巧妙地引导和提问，让AI系统能够更深入地理解用户的语境和背景，从而提供更加精准、个性化的服务。但是随着AI原生应用开发的不断深化，Prompt研发正面临着越来越多的问题和挑战，比如如何创建优质的Prompt？Prompt调试有什么诀窍？Prompt如何进行优化？Prompt该怎么全面来评估？Prompt在工程落地有哪些注意点等等。通过建设Prompt研发全流程管理工具，开发、评估、发布、上线、监控等研发全过程通过统一的流程牵引，规范化管理，并协同DevOps 工具链，实现Prompt工程师研发效率的提升。

内容大纲
1. 如何借助Prompt研发工具写好Prompt
1.1 Prompt生成：手工生成、基于框架生成、智能生成
1.2 Prompt运行：模型、输入输出、性能评估
1.3 Prompt优化：手工调优、问题诊断、自动调优
2. 如何借助Prompt研发工具评估Prompt
2.1 评估体系建设
2.2 小数据量的快速评估
2.3 大数据量的Prompt效果评估
2.4 全面的端到端评估
3. 如何工程化使用Prompt
3.1 Prompt工程化基座
3.2 Prompt与工程代码解耦
3.3 Prompt研发需求管理
3.4 Prompt研发效能度量
3.5 Prompt研发可视化
4. 实践案例

听众收益

1. 百度在Prompt研发流程管理上的经验
2. 百度Prompt工程产品实现形态
3. 百度Prompt研发落地实践经验

孙越

华为云工程师

华为云计算数字化平台部基础服务域工程师，目前主要负责数字化平台部平台工程的权限中心的构建开发，提供基于RBAC+ABAC向PBAC演进的统一权限控制中心，构建安全数据持续收集检测、异常访问实时感知、安全策略动态适配的ZTA系统，保障产品的安全性。

待定

平台工程下的安全解决方案

随着产业自身规模的持续增长，组织规模也在持续壮大，云原生架构去中心化带来组织去中心化自治收益的同时造成研发团队对云基础设施的大量重复认知，重复适配建设工作，开发者花大量精力用于对安全能力的构建。因此需要为用户屏蔽可靠可用、安全相关的技术复杂性，且提供开箱即用的安全可靠解决方案。基于此，我们将介绍如何基于安全基线提供丰富的安全插件能力，在保障业务应用安全运行的同时，最大程度降低安全实现成本，并将可信安全基线Code化，开发者避免重复构建安全能力，更加聚焦于商业成功。

内容大纲
1. 平台工程概念
2. 平台工程具体实现
2.1 平台工程建设框架
2.2 平台工程建设策略
3. 平台工程安全解决方案
3.1 权限安全——PBAC统一权限控制系统
3.2 运行时安全——一站式云原生托管安全能力
3.3 零信任安全——ZTA零信任架构
4. AI安全
4.1 大模型安全架构
4.2 多模态模型安全及对抗攻击
5. 平台工程效果衡量

听众收益

通过在可靠可用维度构建Grid化架构，在安全维度构建ZTA架构，支撑业务应用全方位构建可靠可用、安全韧性技术竞争力。