在当今这个快速发展的软件开发时代，系统的复杂性和快速迭代要求使得人工进行全面测试变得越来越困自动化测试已经成为解决这个问题的关键，但编写高质量的测试代码常常令开发者感到头痛。大模型的代码生成能力为自动化测试的实现带来了极大的便利，尤其是在单元测试的生产方面。然而，由于很多程序本身的可测试性问题，导致有效运用大模型的案例并不多见。本次演讲将探讨如何使程序更具可测试性，并重点介绍软件设计和实现的关键要素。

演讲提纲：

1. 大模型在代码生成方面的实践和挑战
2. 实现 程序 “生成 — 验证/优化” 的自动化迭代过程（Auto-Programming-GPT）
3. 基于现有遗留代码的自动化代码生成关键技术
4. 重新思考开发过程，构建大模型友好的程序结构
5. 未来软件架构和开发方式的展望

你将获得：

• 通过详细的解析和例证，听众可以了解大模型如何改变和影响代码生成。同样，他们还将了解到这个过程中存在的主要挑战，以及如何克服这些挑战。
• 演讲将演示 Auto-Programming-GPT 如何实现程序的生成，验证和优化的全自动化，提供了一种新的、高效的代码迭代模式。
• 掌握基于遗留代码的自动化代码生成关键技术：听众能够真正将学到知识运用的现有现有项目中
• 该演讲将提供对未来软件开发趋势的视野，从大模型的角度出发，思考软件架构和开发方式的演变和未来可能的走向。

AIG Code 和 AIG Action，分别代表代码生成和 AI 驱动的软件开发，其中前者帮助每个人都成为十倍效率的程序员，后者则将 AI 的力量注入到现有软件中，大模型与端到端的低代码开发相结合，使口述需求能直接转化为完整的软件功能。

随着应用开发框架的快速发展以及实验性的自治模型现，大模型正在重塑软件开发的形态，让我们看到了软件开发可能被颠覆的未来。

AI First 和数据优先的思维方式，使得更多的需求能在软件内部自动产生，而不是事先规划。而在软件开发自动驾驶的方面，一个人配合一个AI团队，可以实现软件开发的全自动驾驶，这可能是未来软件开发的新趋势。

演讲提纲：

1. 大模型 AICC 与软件开发现状
   • AIG Code，代码生成
     • 人人皆是十倍程序员
     • 软件开发的辅助驾驶（副驾）
   • AIG Action，现存软件插上 AI 的翅膀
     • AIG Action 是当下主流的 AI 软件开发范式
     • 大模型 + 端到端低代码 = 口述需求得到完整软件功能
     • Demo 演示与与解析
2. 大模型正在重构软件开发
   • 应用开发框架飞速发展
     • LangChain、llmIndex、Semantic Kernal
     • 三分钟实现一个 ChatPDF！！！
   • 实验性自治模型层出不穷，大模型未来能独立完成更复杂的任务
     • 单 Agent 多 Agent 的自治场景，AutoGPT，BabyAGI 等
   • 软件开发会怎样被颠覆？软件开发还存在吗？
3. 软件开发的新局面
   • 全新的软件交互体验
   • 软件开发自动驾驶
4. 全新的软件交互体验
   • AI First，自然语言交互优先
   • 数据优先
   • 更多需求在软件里自动涌现 > 事先规划
   • Case：一个 DB + 对话框 就是一个全功能的信息系统
5. 软件开发自动驾驶
   • AI 会以人类不能理解的方式开发软件吗？
   • 一个人 + 一个 AI 团队 实现软件开发自动驾驶
   • 职业 Agent + AI 协同管理 = 专业软件开发团队
   • 软件开发自动化的技术基础理论上已 Ready
   • 自动化开发本质可能是管理问题？
     • 职业 Agent，通过 Prompt 或大模型微调得到
     • 多 Agent 的协同管理
   • 举个例子演示
   • 更多的挑战
6. 后大模型时代，程序员该如何自处

你将获得：

• 理解 AI 在软件开发中的应用：通过讲解 AIG Code 和 AIG Action，听众可以了解到 AI 如何被用于代码生成和软件开发，以及它们如何提高开发效率和软件功能。
• 洞察未来的发展趋势：了解到全新的软件交互体验、软件开发自动驾驶等新趋势，以及应用开发框架的快速发展和实验性自治模型的出现，这些都有助于听众把握未来的行业趋势。
• 思考职业发展：对于已经在软件开发领域工作多年的听众来说，对实现软件开发的全自动驾驶的讨论，可能会引发他们对自身职业发展的深度思考。
• 启发新的创新思维：通过了解 AI 在软件开发中的新应用和尝试，听众可能会受到启发，对自己的工作或项目产生新的创新思考。

随着信息化和数字化的快速发展，企业必须适应新时代的变革趋势。在数字化转型升级过程中，如何利用新兴技术实现智能化、自动化和高效化成为公司关注的重点。相比传统技术，大语言模型 LLM 为企业提供了更具前瞻性、全面性和深度性的解决方案，进而实现企业数字化转型升级。

本次分享将重点阐述LLM在企业数字化转型升级中的应用场景，每类场景的模型选择原则，以及如何理解并综合应用 Embedding Model，Vector Database，Plugin System，Prompt Tuning，LLM等多种技术手段实现我们的应用目标。

演讲提纲：

1. 数字化转型升级的新局面
   • LLM 大语言模型所带来的新思考和实践价值
   • LLM 大语言模型基本概念与展历史
2. LLM 在企业数字化转型升级中的应用实践
   • 通过案例分析，介绍 LLM 在信息采集、内容生成等方面的应用场景
   • LLM 应用平台架构方案设计与核心技术刨析
     • NLP 多任务系统
     • Prompt 自优化
     • 增强型前置小模型设计
     • 知识分割等
3. 结论与展望
   • LLM领域新技术的演进方向
   • 从多个角度进行探讨证明其对企业数字化转型升级具有广泛和深远影响

你将获得：

• 观众将获得对于 LLM 大语言模型在企业数字化转型升级中的全面认识与深入了解
• 整个演讲旨在给予观众启示性的见解、深思熟虑的思路以及操作上实践性的建议，为企业数字化转型升级提供一系列可行性方案
• 了解一些新技术的应用最佳实践与注意事项

AIGC 时代已经到来，AIGC 的功能很强大，将重塑世界的一切，那么 AIGC 对信息安全的影响是怎么样的？信息安全将对 AIGC 有哪些影响？以及这些影响是如何影响我们的？

本次分享将分为四个部来介绍这些问题，分别是 AIGC 对攻击侧的影响，AIGC 对防守侧的影响，以及 AIGC 自身的信息安全问题，以及我们的应对策略。

AIGC 将大幅提升攻击侧的效率，并降低攻击门槛；AIGC 也将大幅提升防守侧的效率，并扩大防守空间和时间的覆盖率；AIGC 自身也存在诸多的信息安全隐患；AIGC 时代，防守侧跑不过攻击侧，发生严重安全事故是大概率事件；面对 AIGC 的安全问题，我们的解决方法有哪些？

演讲提纲：

1. AIGC 对攻击侧的影响
2. AIGC 对防守侧的影响
3. AIGC 自身的信息安全问题
4. 我们的应对策略

你将获得：

• 了解 AIGC 安全对攻击侧的影响，以提前规划建设；
• 了解 AIGC 安全对防守侧的影响，做出更好的工具和方法做安全建设；
• 了解 AIGC自身存在的信息安全风险，提前避免和控制风险；
• 了解AIGC 信息安全规划和解决方案，多快好省控制住安全风险。