寫程式交給 AI，已經不是新聞。但如果 AI 還能自己做 Code Review、自己根據 Review 意見修正、CI/CD 流程報錯時自己修到綠燈呢？ 

這場工作坊要帶你實作的，不是「用 AI 寫程式」這麼簡單的事，而是一條從開發、Review、到部署幾乎全自動的 AI 驅動流程。

開發者只需要介入兩個環節 — 開頭對齊方向，結尾做最終把關，中間全部交給 AI 自動迭代。 

前 20 分鐘：拆解 AI 驅動開發的完整循環 

我們會先走過一條完整的自動化流程：AI 根據你的需求產出執行計畫、實作程式碼、自動重構與安全掃描、發 PR 後觸發 AI Code Review、AI 讀取 Review 意見自動修正並重新提交、CI/CD 流程報錯時 AI 自動診斷並修復。你會看到在這條流程中，開發者真正需要動手的地方只有兩處，其餘全是 AI 在跑。這段會用實際的 PR 案例展示整個循環怎麼運作，讓你在動手前就有清楚的全貌。

中間 60 分鐘：從零跑完一輪完整流程 

這是工作坊的核心。你會從一個實際需求出發，親手走過每一個階段：用 AI 產出執行計畫，反覆問答直到方向對齊。讓 AI 動手實作，體驗監督而非手寫的開發方式。執行自動化的程式碼優化與安全掃描。發 PR，觸發 AI Code Review，再讓 AI 自動讀取意見、修正、重新提交，看著 Review 留言一輪一輪歸零。最後，我們會刻意製造 CI/CD 流程報錯的情境 — 讓你看到 AI 如何自動讀取錯誤日誌、定位問題、修正程式碼、重新觸發流程，直到 Pipeline 全部通過。

最後 10 分鐘：帶回你自己的團隊

我們會回顧整場實作的成果，討論這套流程在不同團隊規模和工具鏈下如何落地，以及如何透過自訂 AI Agent Skill 持續擴充自動化的覆蓋範圍。

AI Agent 浪潮席捲企業，帶來的不只是開發效率的提升，還有一個很多人沒預料到的副作用 — 公司的專案數量從 300 個在短時間內暴增到 1500 個。

當每個單位都在用 AI 快速產出服務，DevOps 的壓力不是線性成長，而是指數級爆炸。

這場演講要分享的，是我們如何在這波暴風式成長中，建立起一套可規模化的 DevOps 體系，讓品質不會因為速度而崩盤。

第一，讓 AI 守住每一個 PR 的品質底線。 

1500 個專案，靠人力 Review 已經不可能。

我們在 PR 流程中導入 AI 驅動的架構審查與資安審查，讓每個專案不管大小，都有一道自動化的品質防線。

這不是錦上添花，而是在這個規模下唯一能活的方式。

第二，讓新團隊兩週內跑起來，而不是三個月。 

面對大量湧入的新專案與新單位，我們不可能每次都花三個月手把手導入開發流程。

透過 AI 輔助，團隊導入標準化流程的時間從三個月壓縮到兩週，讓 DevOps 的推廣速度跟得上專案的增長速度。

第三，用 GitOps 打造 MCP 服務的自動化上架流水線。 

當 AI Agent 本身成為需要部署的服務，我們用 Gitea、API 與 Gitea Action 建立了一套 GitOps 驅動的 MCP 上架流程。

一次 git push，從程式碼到服務上線全自動完成。

人幫 AI 建 DevOps，這件事已經不是未來式，而是我們的日常。

這場演講不講理論，只講真實戰場上的決策、取捨與教訓。

如果你的組織也正在面對 AI 帶來的爆發式成長，這場分享會讓你看到一條走過驗證的路。

聽眾收穫：

• 學會如何用 AI 驅動 PR 審查，在專案數量暴增時仍能守住品質與資安底線
• 了解如何將新團隊導入標準化開發流程的時間從三個月壓縮到兩週
• 掌握以 GitOps 驅動 MCP 服務自動化上架的流水線實作方式
• 獲得一套經過 300→1500 專案規模驗證的 DevOps 擴展策略與實戰經驗