AiDD研发数字峰会 — 北京站闭门会

闭门会

CLOSED MEETING

李明宇

AI 大模型落地实战专家/企业智能化转型首席顾问

介绍：
很多企业已经开始尝试 AI Coding、Agent、知识库和自动化工作流，但真正卡住的往往不是模型能力，而是 “谁能把业务现场的问题翻译成可交付、可验证、可持续运营的 AI 系统”。FDE（Forward Deployed Engineer）正是连接业务、工程、数据、模型与运营的关键角色。
本闭门会聚焦 FDE 在企业 AI 落地中的方法与组织机制：如何识别真实场景，如何把 PoC 做成可上线系统，如何沉淀知识库、Skills、评测集和交付模板，如何让 AI 能力从一次性项目变成组织资产。

亮点：
1. 从 “会用 AI” 到 “会交付 AI”：FDE 如何把业务问题转成可执行的工程任务
2. AI 项目的现场诊断方法：需求澄清、流程拆解、数据盘点、系统边界与风险识别
3. PoC 到生产的交付路径：原型、验证、评测、上线、运营和持续迭代
4. 组织资产沉淀：知识库、Skills、提示词模板、评测集、案例库如何在项目中积累
5. FDE 与团队协同：业务方、产品、研发、测试、安全、运维之间如何分工

闭门会议程：
模块一｜现场诊断与价值判断（40min）
主题分享：FDE如何把业务问题转化为可执行、可验证的工程任务
集体对话：项目为什么停在Demo或PoC？场景是否值得做，如何判断？
模块二｜从PoC走向生产运营（40min）
案例拆解：原型、验证、评测、上线、运营与持续迭代的完整交付路径
集体对话：一个合格的AI项目交付包究竟应该包含什么？
模块三｜组织资产与FDE能力建设（30min）
主题分享：知识库、Skills、提示词模板、评测集与案例库如何沉淀
集体对话：企业如何培养内部FDE能力，并建立跨职能协同机制？

听众定位：
1. 企业技术负责人、数字化 / AI 转型负责人
2. 研发效能、平台工程、AI 平台、数据平台负责人
3. 解决方案架构师、售前 / 交付负责人、项目经理
4. 正在推进 AI PoC、Agent 应用、AI Coding 或知识库项目的业务负责人

收益：
1. 获得一套判断 AI 项目能否落地的现场诊断框架
2. 理解 FDE 在企业 AI 落地中的角色边界、工作方法和交付物
3. 明确从 PoC 到生产运营需要补齐哪些工程环节
4. 知道如何把单个 AI 项目沉淀为组织可复用的知识资产和工程资产

历任中科院计算所副教授、国家级重点实验室课题组长，具有创业公司 CTO、上市公司事业群技术总监及首席技术专家等跨科研、产品与产业实践经历，曾获中国软件行业协会“优秀 CTO”等荣誉。
长期聚焦大模型、智能体、AI Coding、软件工程及企业 AI 转型，拥有从技术研发、产品建设到组织级落地的完整实践经验。近年来深入制造业、汽车电子、金融及科技研发型企业一线，围绕真实研发项目开展 AI Coding、Agentic Engineering、研发流程重塑、种子团队培养和组织效能提升实践，致力于推动 AI 从个人效率工具升级为企业可度量、可治理、可规模化的研发能力。

FDE 驱动企业 AI 落地：从需求现场到可运营系统的交付方法

朱少民

《软件工程 3.0》作者/CCF 杰出会员/AiDD 技术委员会成员

介绍：
AI 编码工具正在改变开发的速度与方式，但速度快不等于质量好。本闭门会面向开发与测试团队的结合，讨论在充分利用 AI 代码能力的同时，如何建立贯穿编码、审查、测试到发版的完整质量保障体系。

亮点：
1. 编码阶段的质量意识：如何用 prompt、上下文、代码约束让 AI 生成的代码更容易通过质量关卡
2. 代码审查的新形式：人工审查与自动检查（安全扫描、架构合规、性能基线）如何分工
3. 测试的多个维度：单元测试、集成测试、边界条件、异常处理、性能基准——AI 生成代码如何验证
4. 质量门禁与回归机制：建立可复用的测试集合、自动化验收标准、线上缺陷快速定位
5. 团队协同：开发、测试、审查如何围绕"代码质量"形成闭环，而不是串行等待

闭门会议程：
模块一｜风险识别与质量前移（40min）
主题分享：知识库、上下文、Spec（规约），如何影响生成质量（10-15分钟）
集体对话：AI生成代码最容易遗漏哪些缺陷？第一道质量关应放在哪里？
模块二｜审查、测试与质量门禁（40min）
案例拆解：Agent as a Judge和人工审查、测试验证、质量门禁等，如何形成分层测试体系？
集体对话：人工审查与自动检查如何分工？AI生成测试怎样被验证？
模块三｜发版治理与团队闭环（30min）
主题分享：人员分工、组织重构、AI时代CI/CD流水线、线上追踪与Loop engineering
集体对话：哪些环节可以自动化，哪些环节必须保留人工责任？

听众定位：
1. 开发经理、技术负责人、架构师（关注代码质量与效率的平衡）
2. 测试与质量负责人、自动化测试工程师（关注测试体系升级）
3. 安全与合规工程师（关注代码安全与审计）

收益：
1. 获得一套"从编码到发版"的分层质量保障框架，知道每个环节重点是什么
2. 明确 AI 生成代码的特殊风险与对应的测试策略
3. 了解如何用自动化与人工审查的组合，既加快交付又保证质量
4. 形成可落地的行动清单：立即可做的改进与中期的体系升级

同济大学特聘教授、CCF杰出会员、全国计算机科学技术名词编委。近三十年来一直从事软件工程的教学与研究工作，先后获得多项省、部级科技进步奖，已出版了二十多部著作和5本译作，代表作主要有《软件工程3.0》、《智能软件工程》、《大模型驱动软件测试》、《软件测试方法和技术》、《全程软件测试》、《软件质量保证与管理》等。曾任思科（中国）软件有限公司QA高级总监、IEEE ICST 2019工业论坛主席、多个IEEE国际学术会议程序委员、《软件学报》和《计算机学报》审稿人等。