活動時程
09:00 ~ 09:50 再回首的 Domain-Driven Design
*10:00 ~ 11:20 當 AI 開始寫程式，還有誰真正理解系統？
—— 用 DOMAIN STORYTELLING 釐清業務、責任與設計意圖
11:30 ~ 12:00 軟體開發分享：OpenSpec 平行開發工作流
12:00 ~ 13: 00 中午休息
13:00 ~ 13:50 Agentic Coding with DDD：當 AI 降低戰術實作成本，重新思考戰略設計的角色
*14:00 ~ 15:20 Agentic 開發實務：基於領域驅動設計的生成式開發體驗
15:30 ~ 16:00 當我們開始不讀 Code：AI Agent 時代，Code Review 與 Clean Code 還剩下什麼？
* 工作坊不提供線上直播
活動介紹
再回首的 Domain-Driven Design
講者：Kim Kao
以前我們學習 DDD 是從完全沒想法、新概念的視角來看待，然後以一張白紙的角度來了解他。而現在經過這麼多年了，我們可以從另一個觀點來看，在面對現存的業務服務的運行過程中，我麼可以觀察到哪些事情，怎麼看到領域驅動設計在其中可以扮演的角色以及帶來的意義。
建議誰該參加：
- 工程師
- 架構師
- 產品負責人、業務負責人
- 任何感興趣的夥伴
預期的聽眾收穫：
- 理解領域驅動設計的核心精神 - 跨界的溝通與協作
- 關於語言的兩三事
- 遺留系統的應對指南
當 AI 開始寫程式，還有誰真正理解系統？
—— 用 DOMAIN STORYTELLING 釐清業務、責任與設計意圖
講者：陳勉修 Michael Chen
當 AI 開始大量參與需求分析、系統設計與程式開發，我們似乎可以更快地把想法變成可運作的軟體。但速度變快之後，也帶來新的問題：AI 是否真的理解了業務？系統中的責任、邊界與設計意圖，又是誰做出的決定？
如果需求沒有被充分釐清，AI 會根據既有資訊補足空白；如果系統設計沒有被明確討論，AI 也可能在實作過程中自然形成自己的結構。最終我們可能得到一個「可以運作」的系統，卻逐漸失去對業務邏輯與系統架構的共同理解。
這場 Workshop 將從 Domain Storytelling 出發，透過簡單的情境演練，讓參與者一起把真實業務中的角色、行為、資訊與互動說清楚，體驗團隊如何建立 Shared Understanding，也觀察那些原本容易被忽略、誤解或交由 AI 自行推論的地方。
接著，我們會進一步思考：從一個 Domain Story 到真正的軟體系統之間，還有哪些責任、邊界與設計決策不能只是默默交給 AI？
這不是一場教你如何畫完整 Domain Storytelling 圖的課程，而是藉由Domain Storytelling，一起重新思考 AI 輔助開發時代的一個基本問題：
當 AI 開始寫程式，還有誰真正理解系統？
這場 Workshop 適合正在參與數位產品、軟體系統或 AI 輔助開發工作的夥伴，包括：
- 產品經理、Product Owner、Business Analyst
- 軟體工程師、Tech Lead、Software Architect
- UX／Service Designer、需求分析與流程設計人員
- 正在導入 AI Coding、Agent、Spec-driven Development 的團隊
- 對 Domain-Driven Design、Domain Storytelling、軟體架構與需求建模有興趣的人
不需要具備 Domain Storytelling 或 DDD 經驗，也不要求程式開發背景。
如果你曾遇過以下情況，會特別適合參加：
- 需求文件很多，但不同角色理解仍然不一致
- AI 產出的分析、設計或程式看似完整，卻不確定它是否真的理解業務
- 系統可以運作，卻愈來愈難說清楚「為什麼當初要這樣設計」
- 想使用 AI 加速開發，但不希望需求理解與系統設計一起變成黑盒子
完成這場 Workshop 後，參與者將能：
- 理解 AI 時代需求與設計的新風險
區分「AI 幫忙分析與實作」和「讓 AI 自行補完 Domain 與Architecture 決策」之間的差異。 - 體驗 Domain Storytelling 如何建立共享理解
透過角色、行為、資訊與互動，把原本散落在人腦、文件與對話中的業務知識外顯化。 - 辨識 AI 容易自行猜測的兩個層次
看見 Domain Guessing 與 Design Guessing 的不同，並理解兩者各自可能帶來的風險。 - 從業務流程進一步看見責任與邊界
不只描述「事情怎麼發生」，也開始觀察哪些責任、規則與系統邊界值得被明確討論。 - 重新思考人在 AI 輔助開發中的角色
當 AI 愈來愈能產生規格、設計與程式，人類的價值將更集中在建立共同理解、釐清設計意圖，以及維持系統的可理解性。
這場 Workshop 不以學會完整的 Domain Storytelling 方法為目標，而是讓參與者帶走一個可以立即套用在 AI 輔助開發上的思考框架：
讓 AI 幫我們實作，但不要讓 Domain 與 Architecture 在無人察覺的情況下被它決定。
* 本工作坊不提供線上直播
軟體開發分享：OpenSpec 平行開發工作流
講者：Kei Liao
當撰寫程式碼的工作從人類逐行撰寫改交由 AI 生成時，軟體開發的重心便左移到規劃與設計。本次議程將分享實踐 SDD 的真實經驗，剖析利用 OpenSpec 取得的成效與遭遇的痛點，以及工作流程如何隨著實戰累積而逐步演進，建立穩定且高效的開發工作流。
建議誰該參加：
- 軟體開發人員
- 軟體開發主管
預期的聽眾收穫：
- AI 開發環境下的軟體開發關注點的轉變
- OpenSpec 規格驅動開發 (SDD) 的核心概念
Agentic Coding with DDD：當 AI 降低戰術實作成本，重新思考戰略設計的角色
講者：Bruce
Coding Agent 正在快速改變軟體開發的工作方式。
過去工程師需要親自完成大量程式撰寫、重構與測試，如今這些工作已能逐步交由 AI 協助完成。當 Tactical Design 的實作成本持續下降，真正困難的問題開始往前移：
當 AI 越來越擅長 Coding，人類工程師應該把能力往哪裡移動？
建議誰該參加：
- 軟體開發人員
- 軟體架構師／應用架構師
- 技術主管與開發主管
預期的聽眾收穫：
- 理解 Agentic Coding 如何改變軟體開發的工作重心
- 認識 Ubiquitous Language、Bounded Context、Domain Model 與 Coding Agent 的關係
- 了解如何把 Domain Knowledge 轉化為 Agent 可使用的 Context
Agentic開發實務: 基於領域驅動設計的生成式開發體驗
講者：Arthur Chang
目前在 Agentic 開發方面，已經從過去詢問生成式 AI 到現在驅使 Coding Agent 完成開發任務。這並不意味著過去學習的軟體開發方法或是產品開發已經被廢棄，本次工作坊將會採用 Domain-Memory 讓大家體驗不同的 Agentic 開發方式。
建議誰該參加：
- 軟體開發人員
- 軟體架構師(應用架構師)
- 軟體開發主管
預期的聽眾收穫：
- Agent 的基本概念
- Agentic Coding with DDD
* 本工作坊不提供線上直播
當我們開始不讀 Code：AI Agent 時代，Code Review 與 Clean Code 還剩下什麼？
講者：James Wang
近幾個月，軟體圈反覆在吵同一件事：AI Agent 已經能以人跟不上的速度產出可編譯、可測試的程式碼。《Clean Code》作者 Uncle Bob 甚至公開表示，他不再逐行閱讀 Agent 寫出的實作，而是透過測試、規格與品質指標組成的「關卡」建立信心。
但另一邊的聲音提醒我們：覆蓋率、複雜度與自動化檢查能證明的事情終究有限。它們可以增加我們對功能正確性的信心，卻不一定能發現漏洞、死碼、錯誤抽象，甚至無法回答一個更根本的問題，我們是不是根本不該這樣設計？
這些問題或許沒有單一答案。不同立場背後，其實是在守護不同的價值。
這場演講會從 Code Review、Clean Code、TDD 與 SOLID 出發，拆解我們過去為什麼需要這些實踐，再重新思考：哪些是為了管理人類認知與協作而存在的紀律，哪些則是軟體系統無論由誰產生，都不能放棄的價值？
這是講者目前的思考與嘗試，而不是標準答案。或許不適合你的團隊，也未必能直接帶回實踐；但希望提供另一個思考角度，讓我們一起重新定義 AI Agent 時代的 Software Engineering。
最後，也期待現場能有更多不同觀點的交流與討論。
建議誰該參加：
- 已在用 coding agent、開始懷疑「這份 diff 還要不要看完」的工程師；
- 需要幫團隊定 AI 產出門檻的 Tech Lead；
- 仍在用 Clean Code、TDD 帶人、卻被問「AI 寫就好了吧」的資深工程師。
預期的聽眾收穫：
- 能區分「為人類認知與協作設計的工程紀律」與「無論由誰產生都必須守住的軟體品質」。
- 能從風險與目的出發，判斷一個 Change 應該由 Machine 驗證、AI Review，還是 Human Review，而不是把「所有 PR 都要人工看完」當成預設答案。
- 能理解測試、Coverage、Complexity、Static Analysis 等驗證手段「能證明什麼、不能證明什麼」，建立對 AI 產出品質的正確信心。
- 能重新思考 Clean Code、SOLID、TDD 在 AI Agent 時代的角色：哪些實踐可以放開，哪些價值反而需要被更嚴格地守住。
