彭鑫
复旦大学计算与智能创新学院副院长 教授
国家级高层次人才计划入选者。中国计算机学会（CCF）杰出会员、软件工程专委会副主任、开源发展委员会常务委员，中国汽车工程学会汽车基础软件分会副主任，《Journal of Software: Evolution and Process》联合主编（Co-Editor），《ACM Transactions on Software Engineering and Methodology》、《Empirical Software Engineering》、《Automated Software Engineering》、《软件学报》等期刊编委。2016年获得“NASAC青年软件创新奖”，2023年入选上海市东方英才拔尖项目，2024年获得“中创软件人才奖”。主要研究方向包括软件智能化开发、云原生与智能化运维、泛在计算软件系统、智能网联汽车基础软件等。研究工作多次获得IEEE Transactions on Software Engineering年度最佳论文奖、ICSM最佳论文奖、ACM SIGSOFT杰出论文奖、IEEE TCSE杰出论文奖等奖项。担任2022年与2023年CCF中国软件大会（CCF ChinaSoft）组织委员会主席与程序委员会共同主席，以及ICSE、FSE、ASE、ISSTA、ICSME、SANER等会议程序委员会委员。
待定
待定
基于大模型的智能化开发：复杂系统视角下的一点思考与探索
大模型及Agent等AI技术的发展助推软件开发进入智能化时代。当前，代码补全、代码生成、代码解释、缺陷检测等局部化的智能辅助支持已经在软件开发实践中得到了广泛应用，全自动的应用生成与缺陷修复也有一定的研究与应用。然而，深入研究相关企业实践后可以发现，系统复杂性已经成为相关智能化方法和工具落地应用的主要障碍。本次报告将在分析智能化开发中的系统复杂性问题的基础上，针对新应用开发、复杂软件维护、缺陷/漏洞检测三类开发任务介绍我们的一些初步探索。
齐彦松
字节跳动 用户增长测试团队负责人
历年负责过搜索、中台等业务测试和团队管理工作，拥有十余年的质量领域从业经验。现就职于字节跳动，任用户增长测试团队负责人，同时带领团队孵化多个行业领先的智能化测试技术，完成规模化推广落地。
待定
待定
质量大模型演进之路
随着大模型技术在质量领域的深度探索与应用实践，质量大模型正从概念验证加速走向规模化落地，其在自动化测试、缺陷预测、根因分析等核心环节替代人工、提升效能的方案日益成熟，推动如需求缺陷预测引擎、代码级Bug定位器、智能测试用例生成器等众多智能化质量工具深度集成到研发、测试、运维全流程之中，显著重塑质量保障体系。本次演讲将聚焦质量大模型的核心理念与发展脉络，并结合典型案例，深入剖析其在研发全流程中的具体落地应用实践与价值收益，同时对质量大模型未来的技术突破、应用场景拓展进行深度探讨与前瞻预测。
内容大纲
1. 智能化技术在质量领域的发展
2. 质量大模型的概念和落地验证
3. 关键质量大模型技术探索（智能分级、智能测试和智能评测）
4. 质量大模型未来演进方向探索
马克·温特林厄姆
（Mark Winteringham）
质量工程师
《Testing Web APIs》作者
马克·温特林厄姆（Mark Winteringham）是一名质量工程师、课程总监，也是Testing Web APIs一书的作者。他是基于风险的现代测试实践、基于整体的自动化策略、行为驱动开发和探索性测试技术的倡导者。
待定
待定
用好LLM的三大要素
....
汪晟杰
腾讯 资深产品专家
腾讯资深产品专家，20年工作经验，负责腾讯云开发者AI代码助手产品规划设计与运营，十多年协作SaaS和 SAP 云平台、SuccessFactors HCM、Sybase 数据库、PowerDesigner 等产品的开发经理，在软件架构设计、产品管理和项目工程管理、团队敏捷、AI研发提效等方面拥有丰富的行业经验。
待定
待定
智能编程新纪元：氛围、规约与自主智能体的力量
1. 智能编程新纪元：趋势与挑战
1.1 AI赋能编程的新趋势
1.2 编程效率与创新提升
1.3 面临的技术与协作挑战
2. 氛围驱动：提示式到沉浸式
2.1 氛围编程理念与场景
2.2 氛围开发体验
3. 规约驱动：对话式到协议式
3.1 规约编程定义与作用
3.2 开发流程标准化
4. 智能体驱动：单体到多体协作
4.1 智能体工作流简介
4.2 多Agent协作模式
4.3 实践案例与前景
1.1 AI赋能编程的新趋势
1.2 编程效率与创新提升
1.3 面临的技术与协作挑战
2. 氛围驱动：提示式到沉浸式
2.1 氛围编程理念与场景
2.2 氛围开发体验
3. 规约驱动：对话式到协议式
3.1 规约编程定义与作用
3.2 开发流程标准化
4. 智能体驱动：单体到多体协作
4.1 智能体工作流简介
4.2 多Agent协作模式
4.3 实践案例与前景
茹炳晟
腾讯 Tech Lead 腾讯研究院特约研究员
复旦大学 CodeWisdom团队成员
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，腾讯云架构师技术同盟入会主席，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》《现代软件测试技术之美》《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》《软件研发效能权威指南》《现代软件测试技术权威指南》《多模态大模型技术原理与实战》《高质效交付》等，译作有《软件设计的哲学》《整洁架构之道》《持续架构实践》《现代软件工程》《DevOps实践指南（第2版）》《精益DevOps》《基础设施即代码-模型驱动的DevOps》等，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。
待定
待定
当理想照进现实：LLM 辅助编程的短期效率红利与长期技术债陷阱
1. LLM辅助编程真的提升了研发效能吗？
2. LLM在代码生成领域的固有局限性
3. “AI速度”下的LLM代码生成的隐性成本
4. 不同类型工程师使用AI辅助编程的模式
5. 不同类型软件对AI辅助编程的适配度
6. 软件研发范式变化的可能性
7. 程序员的机遇与挑战：“变”与“不变”
2. LLM在代码生成领域的固有局限性
3. “AI速度”下的LLM代码生成的隐性成本
4. 不同类型工程师使用AI辅助编程的模式
5. 不同类型软件对AI辅助编程的适配度
6. 软件研发范式变化的可能性
7. 程序员的机遇与挑战：“变”与“不变”
关注QECon公众号
议题投稿
lijie@qecon.net
商务合作
151-2264-3988 木子
票务联系
135-2067-8913 郭梦媛
媒体合作
135-1619-6409 皮皮
添加QECon小助手，获取
会议最新资讯
购票咨询
13520678913 郭梦媛
