場次圖文報告
收錄更新依活動日期分頁，各天按官方議程時間排序，點選場次閱讀完整報告與照片。
Day 1 · 10/14（三）
以一些範例來討論AI Coding新時代的團隊開發
陳宜昌 (YC Chen) · Noopher AI 執行長暨創辦人
ABCDEF 會議室
從 TASTE2 的規格實驗到 Alt Agents 的團隊工作流，YC 分享如何用小而聚焦的 Spec、清楚的模組介面與可驗證的測試，讓人與 Agent 一起完成開發。
閱讀重點把 Spec 當鷹架，讓 Agent 專心執行；人則持續理解系統、探索選項，並對目標與成果做決策。
產出的人不能驗自己：AI 時代的驗收設計
楊騏 (Ci) · WaCare 數位健康 Tech Lead
A 會議室
Ci 從 AI 自產自驗的盲點出發，分享如何用明確的驗收條件、可執行的 Harness 與獨立驗證者，讓規格真正生效，並以可追溯的實測證據判斷是否能交付。
閱讀重點開發與驗證分開；完成必須指出證據位置。人將審查重心放在規格、品質閘門與未驗證項目，並依風險決定介入程度。
自己刻 Agent 框架：最難的不是呼叫 LLM
Jamis Liao · 街口支付 (JKOPay) 平台工程師
BC 會議室
Jamis Liao 從自建 Agent 框架的經驗出發，分享如何管理 Context、設置 Guardrails、保存執行軌跡並建立 Evals，讓呼叫 LLM 的迴圈成為可追查、可驗收且可控成本的正式系統。
閱讀重點同時驗收最終產出與工具執行軌跡；先縮減 Context、保留失敗紀錄並建立回歸測試，再判斷是否需要升級模型。
AI 時代下的另類多工與心流 ：碎片化工作中的「動態專注」法則
Ruddy 老師 · 集英信誠 顧問
DE 會議室
Ruddy 老師從心流與任務切換成本出發，分享如何在多脈絡中維持單一專注，用 AI 保存脈絡卡、協助排程與恢復工作，並透過 Code Review 的五層理解保有工程判斷與責任。
閱讀重點切換前保存判斷、假設、驗證結果、風險與下一步，回來後接續思考；把 AI 的產出速度轉成可掌握的工作節奏。
讓工程師失業的 N + 1 道陰影
高見龍 · 五倍學院 負責人
DE 會議室
高見龍從 AI 大量產碼後的信任與審查難題出發，分享 SDD 的提案、實作與歸檔流程，透過人類審查、ingest 回寫與 spec on change，讓規格、程式碼及文件持續同步。
閱讀重點先把規格與邊界說清楚，在關鍵關卡停下來審查；用 git diff、測試與風險分級驗證變更，讓規格成為可延續的協作依據。
AI 導入之後：傳統開發團隊的角色鬆動與開發新節奏
陳仁傑 · 國泰金控 資深工程師
A 會議室
陳仁傑以金融專案的六人團隊為例，分享 AI 如何讓 BA、PM、UX 與工程師往相近領域延伸，並以共用規範、架構檢查和需求驗證左移，建立新的協作節奏。
閱讀重點先用 AI 草稿確認需求，讓領域專業引導實作；將踩坑經驗回寫為規範，再用確定性工具與人工驗證守住品質。
穩才是快 ～ 以 OKF 打造 Agentic AIOps 治理閉環
許庭魁 (Jerry Hsu) · 華碩電腦 infra Lead
BC 會議室
許庭魁從全球服務維運出發，分享以 OKF 統一跨 Agent 脈絡、以 USF 約束權限，透過 To Do、Work Item、Work Log 與獨立 Worker，串起規劃、審查、執行及稽核的治理閉環。
閱讀重點先釐清流程與權責，把 Agent 決策和正式環境執行分開；每次變更都留下可追溯、可回滾、可驗證的紀錄，再量測工作成果與成本。
Rule Driven Develpoment-AI時代的軟體開發策略
董大偉 (David) · 光岩資訊 資深技術顧問
DE 會議室
董大偉以雲端 Coding Agent、AI Code Review 與 CI/CD 示範端到端開發，主張人聚焦核心商業規則、讓 AI 承接外圍實作，並以小增量、測試與品質把關控制成本及風險。
閱讀重點規格需要確認，品質更需要規則與驗證；先練好架構、敏捷及 DevOps 基礎，再依變更粒度、團隊與稽核需求選擇協作方式。
「開發效能提升實戰」：Claude Design 搭配自建 Skill，團隊達到提升四倍產出
吳品毅 (阿咪 A-mi)、林杰伶 (Jennifer Lin) · 敦謙國際｜經理 / Scrum Master、資深 UI/UX 設計師
DE 會議室
吳品毅與林杰伶分享 Hexa 團隊如何結合 Claude Design 與自建 Skill，把設計、切版、Vue 專案轉換及資料串接連成工作流，並以實際交付週期與人力投入衡量產出效益。
閱讀重點先定義可交付價值與驗收標準，把規範和設計意圖放進 Skill 及交接文件；AI 加速產製，風格取捨與品質驗收仍由人負責。
Day 2 · 10/15（四）
從一人 AI 工作流到團隊工程系統
謝浩哲 (HAO) · TSMC Senior IT Engineer
ABCDEF 會議室
謝浩哲從個人專案的實踐出發，串起需求共識、工單、設計文件、policy、測試與 CI，讓 AI 在可驗證的工程環境中工作，並探討如何沉澱為團隊共享資產。
閱讀重點先解決真實痛點，把規則交給工具檢查、把取捨留給人審查；有效做法經專案驗證後，再建立共享、Review 與維護責任。
AI在企業的應用與挑戰之路
Edward Kuo · Microsoft MVP
DE 會議室
Edward Kuo 從開發者、架構師與管理者的視角，分享企業導入 AI 的場景選擇、資料品質、Agent 權限與 Token 成本，以及 RAG、Vibe Coding 和雲地部署的取捨。
閱讀重點先找對業務問題並整理資料與流程，以實際節省的時間、總成本和業務價值衡量成效，再決定自動化與 AI 的適用範圍。
初級工程師如何 AI 賦能的翻寫一個跟自己年紀差不多大的框架
Maple Kuo · Claude Taiwan 社群管理員 / 現職網站開發工程師
A 會議室
Maple Kuo 分享以 AI 翻寫 Java EE 舊系統的實務：先保留行為，再重新設計，結合規格、邏輯與結果三層驗證，以及從需求到 QA 的分工工作流。
閱讀重點以舊系統建立行為基準，用腳本比對回應與資料庫狀態；透過 Skill、Hook 與獨立審查，把 AI 省下的時間投入測試和持續重構。
AI 時代下測試的迷思——為什麼綠燈越多，品質卻沒有變好
柯仁傑 (David Ko/敏捷三叔公) · Odd-e Technical Coach
DE 會議室
柯仁傑拆解 AI 測試的綠燈迷思：案例數、涵蓋率與通過結果都不能單獨保證品質。透過需求澄清、有效斷言、刻意改錯與人工探索，檢查測試是否真的能揭露問題。
閱讀重點先共同釐清驗收條件，再篩選與審查生成測試；從手動改錯檢驗測試能力，並以共同測試與 Bug Bash 補足探索，讓品質判斷有具體證據。
每個人都有 AI，為什麼團隊還是這麼慢？
薛良斌 (hlb/布丁) · MeetAndy AI 共同創辦人
DE 會議室
薛良斌從交接中的等待、補背景與重工出發，分享如何以團隊共用的「第三大腦」串起需求、決策、程式碼與審查，讓人與 Agent 沿著同一份脈絡推進交付。
閱讀重點把目標、取捨理由、限制與驗收方式一起留下；以整體交付時間、等待原因與上線品質衡量成效，並由人守住價值排序、工程判斷與風險責任。
同一個 Prompt 為什麼差這麼多？——從踩坑到 Harness Engineering
許舜雯 (Olivia Shiu) · Amazon Web Services Solutions Architect
A 會議室
許舜雯從產圖、資料比較與程式分析的踩坑案例出發，區分 Prompt、Context 與 Harness Engineering，說明如何一起設計任務要求、資訊供給與代理控制系統。
閱讀重點先定位失敗來源，再決定改指令、補資料、拆任務或換模型；透過權限、流程、執行紀錄、獨立驗證與恢復機制，讓 AI 的行動有邊界、問題可追查。
挖掘技能的全新可能性
尹相志 · 數據決策股份有限公司 技術長
DE 會議室
尹相志以 skillOps Studio 示範技能生命週期管理，從路由型 Skill 與動態工作流，到指令控制、技能融合及負案例驅動的進化，讓能力能被協調、驗證與持續維護。
閱讀重點明確定義觸發、行動、禁止、失敗處理、衝突優先序與完成證明；以結構驗證、回歸測試及必要的視覺檢查確認交付，再依實際平台驗證部署結果。
這一天沒有符合的場次，請試試其他關鍵字、主題或日期。