🎯 第二場重點：實戰案例深度解析！
上集帶您了解 SPEC、Vibe Coding、Agentic SDLC 的核心概念，
下集將透過兩個真實案例，讓您看到 AI 協作開發的實際威力！
在上集中，我們介紹了 SPEC 驅動開發、Vibe Coding 與 Agentic SDLC 的完整框架，並分享了「10 年老專案現代化升級」的案例。
本場將延續上集的概念基礎，帶來兩個全新的實戰案例，展示 AI 如何在資料庫升級與 DevOps 流程優化中發揮關鍵作用。
� 本場議程（90 分鐘）
| 時間 | 內容 |
|---|---|
| 12:20 - 12:30 | 開場 + 上集核心概念快速回顧 |
| 12:30 - 13:05 | 案例分享：透過 MCP 快速升級 MySQL 8.0 → 8.4 含實際操作畫面、流程拆解、影響分析 |
| 13:05 - 13:30 | 案例分享：維運團隊 DevOps 流程優化 CI/CD 標準化、監控自動化、事故回應 runbook |
| 13:30 - 13:45 | 團隊 AI 協作最佳實踐 Git Worktree、Steering 同步、上下文管理 |
| 13:45 - 13:50 | 兩場總回顧 + 動手試試看 + Q&A |
�💡 本場案例分享
⚡ 案例一：透過 MCP 快速升級 MySQL 8.0 → 8.4 資料庫升級
背景：收到 AWS 通知 — RDS MySQL 8.0 將於 2026/7/31 結束標準支援，帳號內有 Aurora Cluster（正式環境）+ 獨立 RDS（測試環境）需要升級
挑戰：涉及 SQL 語法相容性、效能調校與資料遷移風險，傳統做法需要 DBA 花兩週評估
解決方案：利用 Kiro + AWS MCP，AI Agent 自動盤點實例、分析相容性、建立快照、執行升級、跑 integration test 驗證
🛠️ 案例二：維運團隊加強及改善 DevOps DevOps 優化
挑戰：維運團隊手動部署流程繁瑣、監控告警雜亂、CI/CD pipeline 缺乏標準化，事故回應時間過長
解決方案：用 Agentic SDLC 方法論重新設計 DevOps 流程，AI 協助建立標準化 pipeline、自動化監控規則與事故回應 runbook
👥 團隊 AI 協作 — 怎麼避免衝突？
AI 讓產出速度暴增，傳統 Git 工作流面臨新挑戰
| 挑戰 | 解法 | 說明 |
|---|---|---|
| 多人同時改同一份檔案 | Git Worktree | 每人在獨立工作目錄開發，共享 .git 歷史但互不干擾 |
| AI 產出太快，來不及 review | 頻繁小 commit | 每完成一個小步驟就 commit，用 git diff 逐步確認 |
| 團隊 coding style 不一致 | Kiro Steering | 規範寫成 .kiro/steering/*.md，commit 進 repo 自動同步 |
| 需求理解不同步 | Kiro Spec | 需求/設計/任務文件 commit 進 repo，AI 照同一份計畫執行 |
| 合併時大量衝突 | 短生命週期分支 | Feature branch 盡量小、盡量短，頻繁合併回 main |
🧠 Kiro 的上下文管理 — AI 怎麼知道你的專案？
| 上下文來源 | 說明 | 怎麼用 |
|---|---|---|
| Codebase | 當前專案的程式碼索引 | 自動，Kiro 會索引你的專案 |
| Files / Folders | 指定檔案或資料夾 | 在聊天中用 #File 或 #Folder 引用 |
| Git Diff | 當前的程式碼變更 | 用 #Git Diff 引用 |
| URL | 網頁內容 | 貼 URL 讓 AI 讀取 |
| Steering | 團隊規範文件 | 自動載入 .kiro/steering/*.md |
| MCP | 外部工具的能力 | 透過 MCP Server 提供 |
沒有上下文的 AI = 一個很聰明但剛到職的新人，什麼都不知道
有上下文的 AI = 一個已經讀完所有文件、了解團隊規範的資深同事
🔧 Kiro 的四大機制
🔒 Hook — AI 自動守門存檔自動跑 lint、寫入前自動檢查規範。等於 24 小時值班的品質守門員。 | 📏 Steering — AI 記住規矩團隊 coding standard 寫成規範檔。新人 clone repo → AI 立刻同步。 |
📋 Spec — 一句話到開發計畫需求 → 設計 → 任務清單。SPEC 驅動開發，內建在 IDE 裡。 | 🤖 MCP — 無限擴充能力接資料庫、雲端服務、瀏覽器、設計工具。需要什麼能力，裝一個就有。 |
🔍 AI 怎麼做到的？— 操作流程拆解
MySQL 升級案例 — AI 的 6 個步驟
| 步驟 | AI 做了什麼 | 耗時 |
|---|---|---|
| 1. 盤點 | 查詢所有 RDS 實例、版本、待處理維護動作 | 2 min |
| 2. 分析 | 確認可用版本、程式碼相容性（driver、認證、字元集） | 3 min |
| 3. 備份 | 建立升級前快照，等待完成 | 3 min |
| 4. 升級 | 執行 major version upgrade（8.0 → 8.4.8） | 8 min |
| 5. 驗證 | 確認狀態 + 跑 integration test | 2 min |
| 6. 修 bug | 發現既有 PK 設計問題，順便修復 | 5 min |
| 總計 | ~23 min | |
DevOps 優化案例 — AI 協助建立的自動化流程
| 項目 | AI 做了什麼 | 效果 |
|---|---|---|
| CI/CD Pipeline | 根據專案結構自動產生標準化 pipeline | 部署時間 -70% |
| 監控告警 | 分析現有規則，建議合理閾值與分級 | 誤報率 -80% |
| 事故 Runbook | 自動產生事故回應 SOP 文件 | MTTR -60% |
| Steering 規範 | 維運規範文件化，新人 clone 即同步 | 上手時間 1 天 |
📊 數據說話：AI 協作的實際效益
⚡ 23 min MySQL 升級全程 | 📈 60% 告警到修復時間縮短 | 🐛 0 程式碼需要修改 |
👥 3 = 10 3 人團隊 = 傳統 10 人產出 | 💰 100% Integration test 通過率 | 🔧 1 天 新人上手維運流程 |
🎁 參加本場，你會獲得
| ✅ 看到 AI 操作 AWS 資料庫升級的完整實際畫面 |
| ✅ 理解 MCP（Model Context Protocol）如何讓 AI 操作外部工具 |
| ✅ 學會用 Agentic SDLC 方法論重新設計 DevOps 流程 |
| ✅ 了解 Kiro 的上下文管理 — AI 怎麼知道你的專案 |
| ✅ 獲得團隊 AI 協作的最佳實踐（Git Worktree + Steering） |
🎯 本活動適合對象
- ✓ 軟體開發工程師、架構師
- ✓ 技術主管／專案經理
- ✓ DevOps 與 CI/CD 實踐者
- ✓ DBA 與資料庫管理人員
- ✓ 對 AI 輔助開發、自動化工作流程有興趣的您！
💡 即使沒有參加上集（4/28），也能獨立理解本場內容。本場開頭會快速回顧核心概念。
❓ 常見疑問解答
✨ 從概念到實戰，一次滿足！
| 真實案例 含實際操作畫面，不是 PPT 紙上談兵 | 即學即用 Kiro 免費試用，聽完就能動手 | 團隊適用 分享多人協作最佳實踐 |
讓 AI 不只是輔助工具，而是您開發團隊的超級夥伴！
🔥 為什麼現在就要學？
- ▸ AI 開發已經是現在進行式 — 全球頂尖科技公司都在用
- ▸ 技術門檻正在降低 — 現在是最容易上手的時候
- ▸ 實際案例證明有效 — 不是理論，是已經被驗證的方法
- ▸ 免費學習機會 — 錯過可惜！
🎤 活動講者
莊昆霖 (Denny Jhuang)
擁有多年且多樣的 AIoT 上線平台實務經驗，專研於雲端架構，平台後端開發，服務整合串接等領域，為客戶提供流程導入及平台建置的服務。主要導入平台以 AWS 雲端解決方案為主，秉持顧問的高度，產品的廣度，以及服務的深度，讓企業的流程與實作達到無縫接軌的境界。
