大会主题-2026上海站_QECon全球软件质量效能大会-橙柚科技

优惠倒计时

早鸟票抢购中

团购享更多优惠

北京站 · 10月16-17日

上海站 · 9月4-5日

深圳站 · 5月22-23日

大会主题

从 Vibe Coding 到 Agentic Engineering：AI 研发范式跃迁

Vibe Coding 是AI研发起点，Agentic Engineering 是行业终极形态。核心拆解从「AI辅助编码」到「Agent自主落地」的核心跨越，聚焦Harness Engineering四大核心体系（评估Evaluation、可观测性Observability、价值落地Outcomes、治理Governance），详解从提示词工程（Prompt Engineering）→ 上下文工程（Context Engineering）→ 智能体工程（Agentic Engineering）的完整演进路径。

驾驭工程Harness Engineering

本专场聚焦驾驭工程的最新设计框架与落地实践。提示词工程仅针对单次模型交互做指令优化，应用增益已见顶；上下文工程将提示词管控纳入其中，统筹管理模型全部输入信息以保障输出质量；驾驭工程作为涵盖前两者的高阶体系，为大模型搭建完整的外部运行管控框架，支撑规模化、长周期、高质量的企业级AI落地。本专场将分享最新落地经验，涵盖企业级上下文与知识管理，多 Agent 编排与协同，长程任务管理与记忆体系搭建等深度内容。

Spec-Driven Development：规格驱动的开发新范式

AI赋能编码普及后，人的核心工作从「手动写代码」转变为「精准写规格」。规格驱动开发（SDD）是AI编码的核心质量前提，无精准规格则会加速无效代码产出。专场重点拆解GitHub Spec Kit、Amazon Kiro等主流工具的落地实践。

AI Native 研发与质量保障

.......

生产级 AI Coding 实战：效率与质量的平衡术

AI编码演示效果成熟，但生产落地难题突出。聚焦AI编码从80%基础效果到100%生产可用的最后一公里，涵盖自动化代码评审、AI生成代码安全审计、大型复杂代码库上下文管理、Karpathy 80%原则实战验证，同时横向对比Claude Code、Cursor、GitHub Copilot三大主流工具的落地差异。

多智能体协作与编排：Agent 工程化落地

单智能体仅能实现轻量化演示，多智能体协同才是企业级核心生产力。重点拆解Sub-Agent核心编排架构（编排器-工作器、流水线、辩论三大核心模式）、动态工作流设计、智能体间通信机制与状态管理、故障自动恢复等工程化核心能力。

AI 驱动的需求工程与设计：从模糊到精确

需求模糊是制约AI编码落地的最大瓶颈，输入质量直接决定输出质量。专场聚焦存量代码到全量需求的知识反构、AI辅助需求分析、ATDD测试驱动开发新实践、设计规格自动生成，搭建从产品PRD到可执行技术规格的自动化闭环链路。

Agent 驱动的智能化测试：从辅助到自治

测试是智能体落地最成熟的场景。完整拆解 AI 测试演进链路：从 AI 辅助生成测试用例、Agent 自主执行测试、自主研判结果到自主闭环修复，落地 LLM 赋能下测试左移、测试右移一体化自治测试体系，输出覆盖需求到上线全流程的智能化质量落地实践。

AI 质量管控：从左移到右移的全链路实践

AI生成代码需全新的质量管控体系，传统管控模式不再适用。聚焦AI代码专属评审策略、幻觉代码精准检测、AI原生应用新型测试范式、AI增强代码安全扫描等全链路质量管控方案。

评测驱动AI研发：构建持续进化的反馈飞轮

无度量则无优化升级。搭建系统化的LLM/智能体能力评测框架，定义AI编码效率全新度量指标、人机协作效能评估体系，详解评测基准设计方法与行业对标落地方案。

AI 时代非功能测试与安全新挑战

AI研发带来全新安全风险，包含提示注入、幻觉代码、数据泄露、供应链污染等新型问题。专场聚焦AI应用专属安全测试、新型性能测试范式、合规性审计自动化落地方案，解决AI研发的非功能风险难题。

Skills 构建与优化

.......

AI + 平台工程：研发基础设施的智能化演进

AI编码规模化的核心前提是与平台工程深度融合，研发内部开发者平台（IDP）将成为智能体的核心运行载体。重点落地AI驱动的自动化CI/CD流水线、自助式研发环境搭建、平台工程智能化编排等核心能力。

智能运维与 SRE 变革：Agent 驱动的稳定性保障

在系统架构持续演进、业务复杂性指数级攀升的今天，大模型的应用催生了AgentOps新范式，运维与SRE正经历从人工值守向Agent-driven的根本性跨越。以大模型、AIOps为核心的AI技术深度渗透，正在重构DevOps故障排查核心工作流。面向未来的系统，将是智能体深度嵌入的可编程自治体系。以LLM+Agent为大脑的智能体运维框架，正在成为保障系统稳定性的核心引擎。本次专场，我们将聚焦Agent驱动的稳定性保障。重点剖析AI与DevOps融合在稳定性保障中的实际价值，深入探讨智能体运维（AgentOps）在真实业务场景中的落地应用，并解读传统运维人员向智能运维专家转型的关键路径。我们将携手探索在Agent驱动下，构建更可靠、更高效的运维新未来。

研发智能体与数字员工：从工具到队友

本专场聚焦研发智能体、数字员工的落地路径与实战落地经验。早期各类智能工具只能完成代码补全、表单填写、固定流程重复执行这类简单工作，只能依照单次指令完成任务，能力提升空间已经很有限；传统自动化工具只能执行提前设定好的步骤，没办法灵活应对业务变化，复杂工作很难顺畅推进。研发智能体与数字员工囊括了上述两类能力，形成更完整的落地体系，为研发、办公场景搭建可灵活适配的自动化协作体系，支撑大批量、长期稳定、贴合业务需求的企业数字化落地。本专场将分享一线落地经验，涵盖研发全流程智能体搭建、数字员工任务自主拆分、人机分工协作模式、多岗位数字员工联动、业务动态适配调整、权限风险管控、规模化部署运维等落地内容。

上下文工程与知识工程

.......

AIGC 时代质效度量与研发管理新实践

AIGC全面重塑软件工程研发模式，从代码补全到多智能体协作，AI编程已从实验室走向规模化落地。然而，当AI承担了大量代码生成工作后，传统以代码行数、需求点为核心的度量体系瞬间失效，研发效能管理迎来重大范式转型。本场专场围绕着重构适配AI研发新范式下的质效度量体系、度量协作治理提效、研发组织能力升级等分享落地实战，助力企业完成组织整体效能革新。

AI 驱动的技术债治理与安全

AI 编程把研发效能推上了新台阶，但一个被低估的代价正在浮现：代码产出速度提升了 10 倍，技术债的偿还能力却没有同步升级——效能红利，正在以质量债的形式被悄悄透支。
本论坛聚焦 AI 时代研发效能与工程质量的再平衡，拆解技术债治理的三个新命题：
● 存量提效：AI 辅助遗留系统理解与渐进式重构，代码知识图谱 + RAG 把分散的代码资产变成可检索、可复用的团队知识库。
● 增量控质：当 30% 以上的新代码由 AI 生成，研发效能度量、CR 流程与测试策略如何适配「人机协同」的新产出结构，避免效能提升变成质量塌方。
● 长期兜底：AI 生成代码的可维护性如何量化，让技术债从「事后追债」变为「设计期左移」，并从安全视角识别 AI 引入的隐性质量风险。

Token 成本治理与ROI分析

.......

AgentOps：多智能体任务异常监测与诊断

随着大模型智能体从单轮交互走向多智能体协作与长程（Long-Horizon）任务，规划偏差、错误委托、工具调用异常、状态丢失和约束遗漏等问题可能沿执行链持续传播，导致复杂任务失败率居高不下。传统指标、日志与链路追踪往往只能发现最终失败，难以回答异常何时出现、由哪个智能体引入、哪个早期事件构成根因。本分论坛将围绕多智能体任务的运行监测、早期异常检测、责任主体与首个错误步骤定位、长轨迹根因分析、可观测事件模型及诊断评测基准等议题展开讨论，探索构建可追踪、可诊断、可评测、可干预的AgentOps技术体系，为智能体系统的可靠运行与规模化应用提供支撑。

CONFERENCE TOPICS