在現代雲端基礎設施管理中，我們經常面臨維運的三大痛點：反應式監控（問題發生後才發現）、數據孤島（各種 metrics 缺乏關聯分析）、人工判斷依賴（需要資深工程師經驗才能識別異常模式）。

想像一下，如果你的可觀測性平台能夠像資深 SRE 一樣，不僅能夠即時洞察系統狀態，還能預測未來的潛在問題，甚至自動關聯不同維度的指標異常，這將如何革命性地改變我們的維運方式？

本次演講將深入探討如何運用 PyCaret AutoML 技術，充分釋放 Prometheus metrics 在可觀測性領域的巨大潛能。涵蓋以下核心技術要素：

- 深度挖掘 Prometheus metrics 的預測價值: 

• 剖析四大 Prometheus metrics 類型在不同維運場景的應用策略
• 建立多指標關聯分析機制，將單一指標分析升級為系統性健康評估

- AutoML 驅動的智能預測與異常檢測

• 運用 AutoML 技術選擇最適合的機器學習算法，建立時間序列預測、異常檢測、回歸分析的模型選擇決策框架
• 實現週期性指標變化預測、即時系統異常識別、資源瓶頸時間點精準預測

- 智能化維運決策與自動化整合

• 結合 LLM 技術將複雜的機器學習預測結果轉化為可執行的維運建議與洞察報告
• 建立預測結果與雲端平台自動化資源調度、故障自癒機制的無縫整合

讓我們一起從傳統的被動監控模式，邁向真正的主動預測維運，實現 AIOps 的核心價值！

聽眾收穫：

- AIOps：

• 掌握 PyCaret AutoML 實戰應用技巧
• 建立四大 Prometheus metrics 類型對應的機器模型選擇決策框架
• 學會運用外生變數和多維度特徵工程提升預測模型準確性
• 理解機器學習模型如何處理缺失值與異常點的穩健性

- 智能運維轉型思維：

• 掌握將機器學習預測結果轉化為雲端平台自動化資源調度的實施策略
• 學會運用 LLM 技術生成人類可理解的運維洞察和決策建議
• 理解從傳統被動監控向主動預測運維模式的轉換路徑和關鍵要素

- 實戰應用與組織價值：

• 獲得可立即複製的 AIOps 實施方法論和最佳實踐案例
• 掌握團隊 AIOps 能力建設的評估指標和推動策略
• 學會設計故障自癒系統的核心原則和風險控制機制

從 AI 與系統整合設計、AI 工具鏈串接，到 AI 開發工具的實戰應用，本場演講將分享在銀行業內部打造 AI 平台的實務經驗。透過具體案例，我們將探討如何在高度合規與安全要求的金融環境中，引入生成式 AI、模型部署框架與自動化開發流程，讓 AI 能夠真正落地，並融入產品規劃與 DevOps 流程之中。希望能為有志於企業內部推動 AI 工程化的技術人員，帶來可借鏡的實作策略與反思。

聽眾收穫：

希望能透過互相交流一起成長

API 是系統溝通的橋樑，準確與穩定的測試是品質保證的基礎。手動撰寫測試腳本常讓開發者疲於奔命，也使測試無法跟上 API 的變動，成為開發流程中的斷點。

本場分享將展示我們如何透過 OpenAPI 規格文件，運用 AI 或模板引擎，自動產生可執行的 Postman 測試腳本，不僅大幅減少測試撰寫時間，更能確保測試涵蓋與 API 定義一致，達到「測試即文件」的理想狀態。

我們將探討：

1. OpenAPI 是如何成為 API 自動化的基礎
2. 如何設計一套轉換邏輯，自動產出對應的 Postman 測試集合
3. 遇到參數驗證、錯誤處理、自動比較預期回應等進階功能時的實作策略

聽眾收穫：

1. 了解如何將 OpenAPI 文件轉換為實際可執行的 Postman 測試
2. 學會如何透過自動化降低重複性測試撰寫的負擔
3. 掌握讓 API 開發與測試同步演進的技巧與工具選擇
4. 看見 AI 或程式碼生成在開發流程改造上的具體應用與成效

介紹Quarto(https://quarto.org)這個MIT開源技術文件製作系統，講解如何使用它來得到"Write one source, presenting every where"的效果，也就是只需要撰寫單份使用Markdown語法超集合的Markdown文件原始檔，就能產出 web page, web slide, Latex, PDF, Microsoft PowerPoint/Word 文件；而文件原始檔用另一個R語言MIT開源套件 Ragnar(https://github.com/tidyverse/ragnar)和LLM大語言AI模型的互相配合，就可以打造自己的RAG知識庫檢索系統。

聽眾收穫：

• 如何在macOS/Windows環境安裝&使用Quarto
• Quarto文件撰寫技巧以便發布至不同目標文件檔
• 使用GitHub Action自動化CI/CD發佈到GitHub Page
• 配合開源套件RAGNAR以及LLM大語言模型打造自己的RAG知識庫檢索系統

親愛的軟體開發夥伴們，您是否曾好奇，軟體從無到有，除了程式碼，還有哪些環節確保它穩定又好用？軟體測試，絕非只是等到產品完成才開始的「找 bug」工作！它更像一位默默守護品質的超級英雄，貫穿整個軟體開發生命週期 (SDLC) 的每個階段 。

這不僅僅是一場理論的分享，我們將透過生動的案例與您互動，讓您理解測試的真實價值。無論您是想轉職軟體測試、或是與開發團隊能更好地協作，或是單純對軟體開發流程感到好奇，這堂分享都將為您打開一扇全新的大門！

本次分享內容包含:

SDLC 是什麼？ 了解軟體從誕生到維護的完整旅程，以及常見的開發模型（如瀑布式、V 模型、敏捷式）如何影響測試節奏 。

「全集中」測試在 SDLC 中扮演什麼角色？ 從需求分析到系統維護，測試無處不在，並為品質把關 。我們將探討「為什麼測試是必要的」 。

各種測試活動大解密！ 靜態測試、動態測試、單元測試、系統測試... 我們將介紹測試規劃、分析、設計、實施、執行和完成等階段 。

為何要「左移測試」？ 提早發現問題，就像及早治療，能省下大筆金錢和時間 。

如何成為 SDLC 中的「全集中」測試小能手？ 建立測試思維，與開發團隊協作，共同打造高品質軟體 。我們將探討測試人員的關鍵技能，例如細心謹慎、溝通能力及技術知識 。

聽眾收穫：

透過本次分享，參與者將能夠：

基礎知識： 理解軟體開發生命週期 (SDLC) 的基本概念，以及循序開發、迭代開發、增量開發等常見模型的特點與差異 。

角色認知： 清楚了解測試活動如何在 SDLC 的不同階段（從需求到維護）中發揮關鍵作用，並理解測試活動範疇、時機、文件、技術、人員角色如何受 SDLC 模型影響 。

核心概念： 掌握測試的基本概念，包括測試目標、測試與除錯的區別、以及七個測試原則的重要性 。

實務應用： 理解靜態測試的價值（如早期發現缺陷、降低成本）及其與動態測試的互補關係 。

思維建立： 認識「測試左移」策略，理解為何提早測試能有效節省時間與成本 。

溝通協作： 體會團隊溝通與協作在軟體品質中的重要性，並了解測試人員如何與開發人員及其他利害關係人共同努力 。

本次分享將以 SDLC 為主軸，從 DevOps 流程的視角出發，探討各階段所面臨的挑戰。隨著 AI 技術的興起，不僅加速了程式開發的效率，也為 DevOps 流程注入了新的可能性。而當 DevOps 與 DevSecOps 遇上 MCP（Model Context Protocol）後，又將帶來哪些實務上的應用與轉變？讓我們一同來看看，如何在日常的開發與維運流程中導入 MCP，協助工程團隊簡化需求理解、降低操作複雜度，進而提升整體工作效率！

聽眾收穫：

1. 了解 DevOps 各階段可能面臨的挑戰
2. 認識 MCP 與帶來的變化
3. MCP 在 DevOps/DevSecOps 中各場景的運用

此次演講將分享如何將一個開源的 .NET 離散事件模擬 (DES) 程式庫進行容器化，並遷移至 Kubernetes 平台。

我們將探討使用 Kubernetes Job 進行基礎的參數化模擬，並進一步展示如何整合 Argo Workflows 來編排更複雜的、大規模的平行參數掃描實驗。

內容將涵蓋：

• .NET 應用程式的 Docker化考量。
• 在 K8s 上執行批次模擬任務的架構設計。
• 利用 Argo Workflows 實現聲明式的模擬工作流程與參數管理。
• 結果收集與基礎可觀測性實踐。

參與者將了解如何將特定領域的計算密集型應用「K8s 化」，並認識 Argo Workflows 在自動化與平行處理上的強大潛力，為更多創新應用場景打下基礎。

此演講特別適合從事模擬系統開發、雲端運算、或對工作流自動化有興趣的開發者與架構師。

聽眾收穫：

聽眾將學習如何將非典型的計算密集型應用（如離散事件模擬）容器化，並善用 Kubernetes Job 或 Argo Workflows 進行有效的參數掃描與大規模平行處理。

透過一個開源 .NET 離散事件模擬案例，演講將展示從程式準備、容器化到部署的完整流程，並分享在 Kubernetes 環境下進行批次任務的架構設計、開發實務與效能優化建議。

在面對高頻率的版本更新與大型檔期活動壓力下，LINE 購物團隊持續追求「品質穩定」與「快速交付」的平衡。為達成這個目標，我們導入 Playwright 結合內部自建的 MCP（Multi-Context Platform）測試平台，並加入 AI 輔助，打造一套自動化、智慧化的測試流程，有效提升整體開發與驗證效率。

Playwright 提供跨瀏覽器、多裝置模擬及強大的 selector 檢查機制，使得我們能快速建立並維護關鍵路徑的 E2E 測試流程。而 MCP 架構讓測試部署流程模組化、自動化，不僅能根據不同模組獨立執行測試流程，也支援並行驗證與錯誤彙整，加快 debug 效率。

在這個流程中，我們進一步導入 AI 能力來提升智能化層級。例如，透過 LLM 模型自動解析 Playwright 的報錯訊息、推薦改寫腳本策略，甚至能依據 Confluence 的需求文件，自動初步生成場景測試腳本骨架，讓開發人員能更快速將業務邏輯轉換為測試程式碼。透過 Playwright + MCP + AI 的整合，我們實現了開發與測試協作的敏捷化，也讓品質保證的門檻更低、效率更高。未來，我們期待持續深化這套架構，

聽眾收穫：

1. 實戰經驗分享：了解 LINE 購物團隊如何在真實商業壓力下導入 Playwright + MCP 架構，有效提升測試效率與產品穩定性。
2. AI 在測試流程中的實用應用：學會如何運用 LLM 解析錯誤訊息、自動生成測試腳本草案，協助 QA 與開發減輕手動負擔。
3. 打造模組化、可擴展的測試平台架構設計思維：認識 MCP 架構如何實現模組分離、平行執行與快速回饋，並支援多樣產品線測試需求。
4. 從需求到測試的自動化流程建構技巧：如何將 Confluence 需求文件與測試腳本連結，縮短從 PM 到 QA 的資訊落差與溝通成本。
5. 如何實踐品質驅動開發（QDD）：不只做測試，更思考如何讓品質成為加速交付的關鍵力量。

傳統測試流程碎片且成本高，難以滿足快速迭代。講題將帶領開發者深入 Model Context Protocol (MCP) 與 Google Agent Development Kit (ADK)，示範如何結合 Gemini LLM 架構出「多代理 + 測試案例」一體化流程。我們自研五大指令—— /cases (場景生成)、/codes (POM 代碼生成)、/test (端到端執行)、/comparing (版本差異分析)、/images (視覺回歸)——對應測試設計的五大痛點，將測試策略、代碼產出與執行結果緊密串接。議程將展示 Orchestrator Agent 調度子代理、共享 session.state、Callback 實作失敗重試，以及一鍵部署至 Vertex AI Agent Engine 與 Cloud Run 的流程。參與者可學會將 AI 代理融入 CI/CD，將測試案例開發、維護與報告整合成可觀測、可持續的自動化閉環，大幅提升整體測試設計效率。

聽眾收穫：

1. 深入了解 MCP：從協議定位、資料流到 LLM 介接流程，全盤掌握標準化串接要點
2. 精通 ADK：熟悉 Google Agent ADK 元件組合，快速落地多元業務情境
3. 善用 Gemini 與其他 LLM：比較、評估模型優劣，挑選合適生成結果的設計方案
4. 掌握五大測試情境：/cases /codes /test /comparing /images 一站式解決需求、代碼、執行、差異、視覺五大痛點
5. Multi-Agent 溝通設計模式：以代理微服務思維打造 Orchestrator 與子代理協作框架，彈性共享狀態與任務
6. 一鍵雲端部署：將代理發布至 Vertex AI Agent Engine 或 Cloud Run，無縫接軌 CI/CD 管線

在傳統 GitOps 運作架構中，「Single Source of Truth」是一切自動化的核心。然而，一旦該信任來源因人為錯誤或意外情況遭到污染，自動化流程可能無法保障一致性，甚至可能造成系統損壞的風險。

在本場議程中，將會探討並展示 GitOps with Event-Driven Ansible 的應用，由 GitOps 自動化結合事件驅動機制，當新的程式碼 Checked In 時，Event-Driven Ansible 可以檢視內容是否和制訂的原則一致，確保自動化機制能夠依照管理人員希望的方式執行，並且符合制訂的原則內容，而不再因為人為失誤造成自動化機制錯誤的執行，確保不僅降低人為疏失所帶來的錯誤風險，更提升整體運作的穩定性與可控性。

此外，議程中也將分享一個真實案例，說明如何整合 Event-Driven Ansible 與 Grafana Alerting，實現服務故障後的自我修復流程。透過即時監控與自動回應，系統得以迅速恢復至正常狀態，進一步強化地端架構的韌性與自主管理能力。

聽眾收穫：

• 理解如何透過事件驅動機制，降低人為錯誤導致的系統風險。
• 理解如何針對程式碼提交事件，進行內容驗證與原則一致性檢查，確保自動化邏輯運作無誤。
• 理解如何結合 Grafana Alerting 告警機制，以及 Event-Driven Ansible 事件驅動機制，打造具備故障自我修復能力的運作環境。
• 討論無須依賴雲端平台的自動化設計，更符合企業和組織自主掌控的需求。
• 透過實際案例分享，有助於與會人員快速導入至自身環境。