技术的Vibe_Coding专场-2025上海站_QECon全球软件质量效能大会-橙柚科技

优惠倒计时

8折票抢购中

团购享受更多优惠

北京站 · 10月31-11月1日

上海站 · 9月12-13日

深圳站 · 5月23-24日

技术的 Vibe Coding 专场

“技术的Vibe Coding专场”聚焦开发者“开发流状态”的工程新范式，在代码质量、协作效率、系统可维护性间寻找动态平衡，兼顾代码质量保证与复杂系统的分解与引导。

本专场主要聚焦三方面：
- 理念碰撞：当“快速迭代”遇上“稳定架构”，“个人编码习惯”碰撞“团队规范”，如何定义新时代代码健康度？
- 工具进化：工具链如何重塑开发节奏？既是技术优化，更是对开发者注意力的极致尊重。
- 反模式警示：揭秘“看起来很美”的实践背后的致命陷阱。
这是专为开发者打造的技术分享与实战交流活动。一线技术专家将围绕前端架构、AI应用、系统设计、效率工具等展开深度分享，结合真实项目案例解析、现场live coding演示、开发流程展示与互动问答，让参与者带问题来、带收获走，少点浮夸，多点干货。

专场出品人：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。

左志鹏

阿里云智能集团研发工程师

担任Qoder技术专家，负责Coding Agent在企业级场景的效果优化。曾在蚂蚁集团研发效能部从事研发提效多年，负责CloudIDE体系建设，AI Coding产品创新。对于CloudIDE，研发提效，AI需求生成代码等领域有丰富的实战经验。

待定

新一代 Agentic Coding 平台Qoder 在真实软件开发场景的应用

目前Vibe Coding工具火热，大热的背后大家发现0-1的需求生成代码的效果还不错，一旦在企业级上使用，就会出现大量的上下文感知不充分，业务理解不准确等问题。Qoder正是基于这些问题，进行了一系列探索，来提高企业的AI代码生成效果。比如，通过更规范化的需求辅助工具（Quest）来完善用户的需求完整度，多层次和精细化的上下文引擎，来实现仓库和业务理解。希望可以给大家分享在这方面的思考和实践。

内容大纲

1. Vibe Coding现状分析
1.1 Vibe Coding从情绪化的狂热走向生产级交付的冷静探索期
1.2 企业级使用AI编码的痛点
2. Qoder如何如何在企业级的A I代码生成上助力
2.1 企业内部有大量历史积累的仓库，如何帮助研发更快的理解代码仓库
2.2 如何让AI根据用户的需求，快速和精准的定位到相关的代码，实现需求和仓库的协同理解
3. 用户个性化的偏好如何让AI记住，让每个人都可以有持久的记忆编码工具
3.1 很多用户不知道如何描述需求，如何自动让AI结合仓库理解自动丰富和规范化用户的需求

听众收益

1. 用户对Vibe Coding在企业级使用上的问题有一些收获

2. 拿到企业历史项目，如何快速的学习和上手这些项目

3. 针对企业级的项目，应该如何设计和使用，让AI写出更生产级的代码

4. 让AI更懂研发的偏好，每个人都可以有持久记忆的编码工具

伍斌

独立AI应用咨询师

（网名和曾用笔名“吾真本”，自媒体名“大厨程序员吾真本”）作为独立AI应用咨询师，正在创作一系列全民化AI编程的图书，已出版《氛围编程：AI编程像聊天一样简单》。他拥有30多年的IT行业经验，在软件开发、测试、项目管理及工程实践方面打下了扎实的专业功底。在Thoughtworks公司工作的8年间，他协助多家国内大中型企业优化IT部门开发流程，提升了软件质量与开发效率。近两年，他专注于AI技术的应用探索与推广，致力于为企业和个人提供实用的AI解决方案，帮助用户有效应对实际业务挑战。

待定

我没有用Vibe coding写生产代码，而是先写好测试代码

氛围编程（Vibe Coding）适合生成几千行左右的软件产品原型和业务场景简单的"用完即扔"的一次性软件，但在面对企业IT维护的业务逻辑复杂的遗留代码时，往往会失败。然而，这一现象启发我们思考：氛围编程或许更适合编写UI和API测试代码，理由有三：

（1）UI和API测试代码的业务逻辑相对简单

（2）UI和API测试前所需的数据清理与准备脚本的业务逻辑相对简单

（3）大模型能帮助设计覆盖更全面的UI、API与故障注入测试用例

本演讲提出"准备时生成脚本+声明时三场一表+运行时故障注入"方法——即用大模型生成UI和API测试前的数据清理与准备脚本，通过冒烟、happy path和sad path三类场景结合决策表指导AI生成端到端、API和故障注入测试用例与代码，再通过"理测评解"方法论和故障注入验证测试代码在声明时和运行时的质量。这为企业IT提供了氛围编程在测试场景中的系统性解决方案。该方法不仅能降低企业IT维护自动化测试的成本，还能有效保护现有生产代码逻辑不被未来的代码变更所破坏。

内容大纲

1. WHY - 氛围编程更适合编写UI测试和API测试代码

2. WHAT - "准备时生成脚本+声明时三场一表+运行时故障注入"解决方案

3. HOW - 利用氛围编程生成并验证Saleor电商系统3类测试实战

3.1 实战案例背景与测试需求分析

3.2 实战演示：10个完整步骤展示氛围编程测试的数据清理与准备，已经测试的生成与验证全流程

3.3 AI辅助"理测评解"方法论实战应用：从测试代码声明理解到运行时有效性验证

3.4 完整的氛围编程测试质量验证闭环演示

4. 总结

听众收益

1. 掌握系统化氛围编程测试方法：获得"准备时生成脚本+声明时三场一表+运行时故障注入"的完整方法论，学会用"理测评解"四步法和决策表技术系统化应对氛围编程质量风险，可立即在GraphQL API项目和传统REST API项目中应用。

2. 提升AI协作效率：学会构建基于数据清理与准备、三场景和决策表的精准提示词，掌握氛围编程测试生成的最佳实践，显著提高一次性生成有效测试代码的成功率，减少与AI多轮对话的时间成本。

3. 建立质量保障体系：掌握从声明时覆盖性检查到运行时故障注入验证的双重保障机制，学会充分利用AI在生产代码发生变更前先建立测试保护网，建立可信赖的软件功能质量管控体系，特别适用于微服务架构、API优先电商和现代化GraphQL API系统。

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

从氛围到落地：CodeBuddy驱动的Agentic AI编程实践

....