SE · 1.0
软件工程 1.0
以流程规范、结构化方法和项目管理为核心，解决「如何把软件开发变得可控」。
Software Engineering 3.0 · 智能软件工程
智能时代，
智能时代，
研发的司南。
格物穷理·开物成务
司南
软件工程正进入新时代。司南智能软件工程研究院专注于软件工程 3.0 与智能软件工程， 以人工智能、大模型、智能体、知识工程与自动化工具链为基础，为企业、研发组织与技术从业者提供可信赖的方向指引。
AI 智能体agent · model · toolchain
知识工程knowledge · ontology · RAG
SIISE
智能时代，研发的司南
01时代背景
软件工程，正走向 3.0
从流程与工程化，到敏捷与持续交付，再到以大模型、智能体与知识工程为基础的智能软件工程，研发体系正在发生深层重构。
SE · 2.0
软件工程 2.0
以敏捷、DevOps、云原生和工程效能为代表，解决「如何让软件交付更快、更持续」。
SE · 3.0
软件工程 3.0
以人工智能、大模型、智能体、知识工程和自动化工具链为基础，推动软件研发走向智能软件工程。
人、模型、智能体、知识库、工具链和自动化流水线共同协作的新型工程体系。
02我们是谁
司南智能软件工程研究院
Sinan Institute of AI-Driven Software Engineering
司南智能软件工程研究院是一个专注于软件工程 3.0 与智能软件工程的开放型研究与实践共同体。研究院以虚拟社区方式运行，通过专家共创、课题研究、产业观察、企业咨询、工具孵化和生态活动，推动 AI 与软件工程的深度融合。
我们不追逐概念热度，也不依附单一工具路线。我们关注的是——AI 如何真实、系统、可度量地改变软件研发，并推动软件工程进入智能化新范式。
司南
「司南」取自中国古代指南工具，象征方向、导航与确定性。在软件工程 3.0 刚刚到来的关键阶段，为企业、研发组织和技术从业者提供可信赖的方向指引。
SIISE
智能时代，研发的司南
03使命 · 愿景
以研究之严谨，走进实践之深处
我们的使命
弥合 AI 技术与软件工程实践之间的鸿沟，推动软件工程从流程驱动、工具驱动，走向模型驱动、知识驱动、智能体协同和持续进化的软件工程 3.0 范式。
我们的愿景
成为软件工程 3.0 时代智能软件工程方法的探索者、企业 AI 研发转型的可信指南者，以及 AI 研发效能领域具有影响力的知识源、方法库和实践社区。
04核心价值观
真实 · 系统 · 务实 · 开放
壹
真实场景，数据驱动
真正有价值的方法论必须来自真实业务、真实研发过程和真实数据，而不是概念包装。
贰
深入机理，系统思考
AI 的影响不是单点工具问题，而是涉及需求、产品、设计、开发、测试、知识、组织的系统性变革。
叁
躬身实践，成果可用
不只做观察和评论，更重视进入真实场景，形成可落地、可验证、可复用的实践成果。
肆
开放中立，生态共建
保持独立、开放和中立，尊重不同技术路线与平台，建设高质量行业协作网络。
05研究领域
面向智能软件工程的十个关键方向
围绕需求、产品、设计、开发、测试、工程、知识与组织，系统研究软件工程 3.0 的方法、技术与实践。
01
AI + 需求工程
需求获取、澄清、建模、歧义识别、业务规则抽取与规格化表达。
02
AI + 产品与设计
产品规划、用户洞察、方案设计、原型设计与体验优化。
03
AI + 开发与编码
AI 编程、上下文工程、Agentic Coding 与 AI 原生开发环境。
04
AI + 测试与质量工程
智能测试生成、缺陷预测定位、回归优化与质量门禁。
05
AI + 工程效能与 DevOps
AI 驱动 CI/CD、研发效能度量、智能流水线与交付优化。
06
研发类知识工程
研发知识库、代码/需求/测试知识图谱与知识资产治理。
07
AI 研发智能体
Coding / Testing / Requirement / Architecture / DevOps Agent。
08
FDE 全维度研发工程
从需求到反馈的端到端研发流程重构与系统提效路径。
09
软件工程本体论
研发对象、关系与过程的统一语义表达，支撑智能推理协同。
10
AI 安全、合规与治理
生成代码安全、供应链安全、知识产权与可信研发治理。
06研究员网络
跨学科 · 跨角色 · 跨场景的专家共同体
汇聚来自高校、产业与技术界的专家与实践者，从技术、流程、产品、组织、知识与产业多维度，系统研究 AI 对软件工程的深层影响。
07我们做什么
从洞察到落地，构建知识与实践的飞轮
围绕研究、咨询、工具、培训、社区五个方向，持续运转。
01
研究与洞察《软件工程3.0发展报告》《AI+软件工程产业观察》等系列成果。02
咨询与诊断成熟度评估、转型路线图、AI 工具选型与质量治理方案。03
方法与框架方法论、场景地图、效能指标体系与组织治理框架。04
工具与原型成熟度评估、质量门禁、知识图谱与智能体参考实现。05
培训与能力建设训练营、工作坊与组织级 AI 研发能力赋能。
08社区 · 生态 · 组织方式
开放型虚拟研究院，共建智能软件工程专业社区
以研究员网络、专题工作组、联合课题与项目制协作为纽带，连接产业界、技术界、咨询界和研究者，让研究进入实践，让实践反哺研究。
司南研究员网络
AI 软件工程专题工作组
企业联合研究课题
闭门研讨会
公开课与训练营
行业白皮书与年度报告
AiDD · AI Driven Development 峰会
案例库 · 知识库 · 工具库
09我们服务谁
与企业、组织和技术从业者同行
FOR · DECISION MAKERS
企业管理者与技术决策者
判断软件工程 3.0 趋势，制定 AI 研发转型战略路径，评估投入产出与组织变革方向。
FOR · CTO / ARCHITECT
CTO、研发负责人和架构师
构建 AI 辅助研发体系、智能工程平台与组织级研发效能提升方案。
FOR · PRODUCT TEAM
产品、需求与业务团队
利用 AI 提升需求质量、业务建模能力与产品设计效率。
FOR · QUALITY TEAM
测试与质量团队
重构智能测试体系，提升测试生成、缺陷分析与质量保障能力。
FOR · DEVOPS TEAM
DevOps 与工程效能团队
引入 AI 能力，优化交付流程、度量体系与持续改进机制。
FOR · PLATFORM VENDOR
AI 研发工具与平台厂商
共同探索 AI 研发工具的行业应用场景、能力评测体系与生态合作模式。
10为什么是现在
软件工程 3.0 时代已开启，但远未成熟
让 AI 进入组织级研发体系，成为可治理、可度量、可持续演进的工程能力，需要系统回答四类问题。
一
组织与流程如何重构
AI 进入研发体系后，产品、需求、开发、测试、运维、架构与管理角色之间的协作方式都将发生变化。
二
方法论如何建立
行业需要新的软件工程语言、过程模型、质量标准和成熟度评估体系。
三
工具与平台如何选择
理解 AI IDE、研发智能体、知识图谱、RAG、自动化测试与 DevOps 平台的能力边界与组合方式。
四
实践如何真正落地
从试点到规模化，需要场景选择、数据准备、知识建设、流程融合、质量治理与组织能力建设。
