Agentic SDLC

• AI Agent 在 SDLC 中的定位與分工（需求／開發／測試／交付）
• 與傳統自動化、Copilot 輔助開發的差異：從「工具」走向「可治理的工作流」

Agentic SDLC 導入三階段：從協作到自主交付

• 人機協作：需求與規格整理、程式碼生成與 Code Review 輔助、如何把 AI 引入既有流程而不破壞品質
• 91APP Tasking Flow：任務標準化（粒度／邊界）、DoD、驗收條件、風險管理
• Coding Agent & AutoTesting Agent 導入：根據任務進行實作修改、執行本地驗證、提交 PR；測試案例生成與維護、覆蓋率治理組織與流程的挑戰
• 跨團隊協作、規格一致性、測試文化、平台化與標準化推進

聽眾收穫：

1. 了解可落地的 Agentic SDLC 架構與流程
2. 能清楚辨識 AI Agent 在需求／開發／測試／交付各階段的角色邊界，理解與傳統 Copilot 輔助的本質差異
3. 了解 91APP 的三階段導入路徑，知道怎麼循序推進
4. 學到把 AI 納入既有流程且不破壞品質的實務做法與踩坑提醒
5. 包含跨團隊協作與規格一致性怎麼推行、平台化如何支撐規模化；以及常見風險點與對應的流程設計方式