张南，Google中国工程生产力团队总监，2007年加入Google，目前负责Google中国工程生产力技术团队。负责移动产品开发效率的提升，自动化框架的设计。之前领导过Google地图，搜索等移动产品项目的自动化流程和框架设计开发。硕士毕业于清华大学。
专场出品人：张南 
Google中国工程生产力团队 总监

专场：技术驱动效能   

在数字化时代，业务变化迅速，企业越来越看重效能，借助新技术来快速驱动研发效能的变革、全面提升软件工程效能是许多IT公司首先要考虑的，例如开发云平台或研发效能平台的建设、研发效能度量体系建设、数据驱动管理等。要达到10倍效能，不仅要进行人员能力培养、流程优化等，而且要通过技术赋能，例如采用更先进的开源框架、开源协同的研发平台给效能提供更好的支持，更寄希望于AI技术和大数据技术赋能研发。
Ux设计稿转代码的实现有很多，但基本上生成的代码基本上都没有实际使用价值，本课题介绍了实现一个具有实际应用价值的Ux设计稿转可用代码的一种可行实践。内容包括一、Ux设计稿自动识别的实现方案，涉及Ux团队的设计方法调整和自动识别算法。二、自动生成代码算法，如何生成符合人类思维习惯且人类可继续修改的代码。三、本方案的后续演进方向思考。其中第一二点对打算或者正在此领域推进的小伙伴来说，有很强的指导意义。
1. Ux团队设计方法的更新，必要的辅助设计工具。
Ux设计师需要统一设计方法，给Ux设计稿添加一些辅助信息，这些辅助信息大多数可由设计工具（如sketch）自动添加。也可由设计师人工添加，但是应该尽可能减少人工添加的辅助信息，人工参与越多，越容易出错，效率也越低。工具无法添加的辅助信息，应当由识别算法的增强来弥补，在算法增强之前，可临时由人工辅助。

2. Ux设计稿识别算法的开发
基于Ux设计稿本身、辅助信息、ux设计规范等内容，自动从设计稿中提取出足够多的信息来生成代码。包括组件的类型、位置、尺寸等关键信息，文本识别、图标识别等辅助信息提取。

3. 自动生成人类可理解可继续修改的代码的算法
基于第二步获得的数据，生成代码，这个环节的最大挑战在于如何生成出对人类友好的代码，一些如axure的工具也可以直接导出为html，甚至还带有交互，但是这些代码对人类极其不友好，也不具有一个产品APP所需要的基本能力（如响应性）
陈旭
中兴通讯 软件研发资深专家
在中兴通讯就职13年，基本上都从事与Web相关的技术，从早年的Flash（Flex）到现在的Web技术，都非常精通。同时也有几年的C++/Java的工作经历。有近10年的Web相关技术一线研发经验，现任中兴业务中台低代码平台负责人和首席架构师，牵头中兴公司低代码平台ZDE的长期演进设计工作。入选中兴通讯技术专家名录，方向为Web技术，中兴通讯5级专家。

擅长领域：Web技术、低代码
待定
待定
开启设计即开发模式——Ux设计稿转代码的探索与实践
现在，但凡有一定规模的公司或者团队，基本都会有专职的ux团队，配合产品方和研发团队，开发出体验良好的产品。传统的Ux团队与研发团队都是通过ux设计稿（高保真图为主）来实现协同。ux团队给出设计稿，研发团队复刻出来变成产品。这个过程低效、极易出错，主要体现为设计稿细节多还原度低、沟通成本高、Ux规范调整代价大、设计稿无法落地等诸多问题。我们急需有一种方法可以实现ux设计稿直接转成可用代码，这样不仅可以解决重复劳动、低效率的问题，还可以大大提升设计稿还原度。
内容大纲
听众收益
分析了效能度量过程中的不同角色可能存在的困惑。通过场景化的思维，站在数据使用者的角度，从度量结果的应用价值入手构建度量方案，探索研发数据更多维度的应用，例如可以用于人力资源盘点的决策输入、精准质量控制、人才梯队搭建的规划输入等。
了解到度量目的有哪些维度，不同的度量目的下对应的场景有哪些。
了解到如何开启场景化的度量思维，如何围绕数据使用者构建度量方案。
通过真实案例了解如何落地场景化度量思维，以及常用度量分析工具（四象限、箱线图、控制图等）的应用等。
张超
思码逸 高级咨询顾问
互联网行业从业十余年，曾服务于京东金融、盛大游戏、汽车之家等互联网公司，
历任质量经理、过程改进、敏捷教练、项目管理等岗位。
目前在思码逸任高级咨询顾问，已服务企业包括，腾讯、泰康、贝壳、和讯、凯叔等。

擅长领域：项目管理、敏捷精益转型、组织研发效能提升
待定
待定
价值驱动，以终为始-场景化度量实践案例
组织内已经开展了度量，但不同角色对度量的价值感受仍然比较低，比如
高层管理者在决策时缺少数据抓手作为管理信息反馈；基层管理者在管理团队人员项目间调配、优化人员梯队建设时缺少客观数据支持；错误的指标应用导致一线员工被内卷等等。
内容大纲
听众收益
这套ServiceProxy能够给我们提供一些方便服务治理和线下测试的特性：
1.基准环境和按需启动服务的可能：在使用K8s后，基于namespace的特点，线下一套环境实现了一键拉起，但是同时也给多套环境使用时带来了资源浪费和环境治理成本。ServiceProxyMesh可以跨namespace进行请求路由，让一套服务只用启动需要的模块，而不用启动其他模块，同时按预期的设置调用；
2.同套环境不同使用场景的复用：测试时，有时需要系统级联调，调用真实下游，有时却需要mock，分层测试本模块；之前要不使用不同环境，要不测试过程中进行环境修改，很难动态规划调用的路径，ServiceProxyMesh可以进行按需路径规划，让不同需求的测试在同一环境复用；
3.异常测试支持：ServiceProxyMesh可以跟据规则动态阻断或者模拟失败，方便异常测试甚至支持混沌工程实验；
4.数据沉淀和统一trace定位：ServiceProxyMesh可以按标准数据结构统一沉淀数据到ES，方便进行全链路trace和问题定位；
对ServiceMesh解决一些新的领域问题的启发；
和我们相同的，不好在统一网关或rpc中间件做路由策略的团队，可以借鉴思路；
肖汉
度小满金融 质量部 质量架构师
2018年随百度金融拆分到现在的度小满金融，目前担任度小满质量部质量架构师和质量效能负责人；
2012年加入百度质量部

擅长领域：性能和稳定性：构建全链路性能测试方案、流程及自研压测工具，曾担任2018年百度春晚红包度小满性能测试整体负责人；
待定
待定
应用ServiceMesh在度小满线下K8s多语言微服务
环境的质量效能提升
提到云原生和微服务，大家更多的在关注线上系统的服务治理，而实际上，线下环境的治理越来越成为整个研测效能的瓶颈。一个几十个微服务组成的子系统，在线下联调时通常也会并发的运行十几套不同项目不同本版代码的环境。而线下分层测试和联调时，也有着不同调用路径的需求。更别提有的业务因为种种原因，使用多语言的服务模块，没有统一的rpc中间件，更让问题变得复杂。

基于这个现状，我们急需一套好的线下服务治理问题，用来解决一些线下特有的问题。ServiceMesh为我们提供了一个好的思路，边车模式配合控制面，能够更加精准的进行流量的路由，因此，我们做了一套用于线下环境的ServiceProxyMesh，能够实现一些好的特性，帮我们解决线下服务治理的问题。
内容大纲
听众收益
图像算法群流程自动化测试的新思路和实践，已经在其指导下打造出的新工具
包括图像算法的CI全流程实践
多Pod并行跑跑图
图像想过自动化比对
图像算法的自动化测试工具链打造
李宏铭
商汤 移动智能事业群 测试架构师
曾任小米手机部，测试副总监。

擅长领域：图像领域算法测试，自动化效率提升。
待定
待定
基于云原生的AI图像算法测试效能提升实践 
算法想法的海量图集跑图效率提下
图像效果的自动化比对
CI工具链的打造
内容大纲
听众收益
1. VR算法测试的需求背景和现状
2. VR算法测试思路
        1)通用算法特点及测试要求：数据样本、结果收集、指标衡量、环境影响
        2)针对VR算法设计统一测试流程：特性分类->制定指标->统一输出->判定结果
        3)VR算法的分类及测试指标制定的思路
                a）识别类 b）优化类 c）重建类
3. 自助平台的意义、目标和设计思路
        1)面向研发、测试、产品不同人群的多种测试需求，应对并发测试场景，在有限机器资源下如何用公共bus的方式做多环境并行
        2)涵盖测试生命周期：环境构建、数据准备、测试执行，结果判定，实现全流程自动化测试、回归和批量验证
        3)有利于测试提效的各关键步骤提取和改进方案
4. 自助平台建设
        1)整体框架和技术选型：
                a)结合算法K8S微服务框架设计，针对多环境部署及资源消耗控制优化
                b)兼容centos/ubuntu多编译环境，算法嵌套及特殊调用参数化处理
                c)多并发多批次使用场景下数据配置化管理和大数据存储
        2)通过平台完成VR测试全流程
                a)环境自助搭建
                b)一键执行任务
                c)结果自动分析
                d)产品发布控制
5. 平台的收益和应用于算法测试的展望
1. 算法测试的通用思路及其提效的思考方向
2. 覆盖测试生命周期及各环节质量把控的思路和方法
3. 平台统一化自动处理不同类型算法测试设计思路
林菁
贝壳找房如视平台 资深测试开发工程师
贝壳找房如视平台算法资深测试开发工程师，曾任职于爱奇艺质量效能部门，2019年加入贝壳，负责VR算法相关服务和系统测试工作，参与 VR算法测试结果评价和流程规范的制定，主导了VR多类型设备采集、重建和优化以及VR算法微服务迁移等项目的测试和发布；对服务化平台的搭建有一定研究，目前在VR算法的高效率全自动化测试方向进行探索和研究

擅长领域： 服务端测试、算法测试、质量平台开发
待定
待定
如视一站式VR算法产研自助平台
三维VR扫描和重建渲染流程中使用百多个不同类型的算法模块，保障其中任一算法模块能快速、低成本试错是我们工作的重点，因此如何使试错流程自助、单模块解耦验证、VR效果自动化评价是质量保障中核心挑战，一站式VR算法产研自助平台由此衍生。

痛点：
1. VR算法的复杂性和多样性，较难使用白盒测试，输出结果不易量化和统一，常规自动化测试方法不适用，不利于快速试错
2. 现有测试流程步骤分离，存在过多手动环节，耗时长且存在影响质量的不稳定因素

思考的方向：
1. 分析VR算法产品的特点，针对不同算法设计相应的自动化测试模型，结合智能数据推荐、深度学习评分、多维度数据对比、盲测等手段，统一完成结果采集并综合进行结果判定
2. 使用平台自动化处理覆盖测试生命周期中的各个环节，去除手工操作带来的易遗漏、不客观、不全面等因素，通用化处理各类型测试需求，实现全流程无人值守的回归和批量验证
内容大纲
听众收益