人工智能（AI）的快速发展，正实实在在地改变着我们的社会和每个人的生活。这已经不是简单的技术更新，而是一个需要我们认真思考和应对的时代变化。在这样的背景下，AI雪鸟会作为一个立足于IT专业人士的群体出现了。它希望和同行一起探索，在AI这个充满未知和机会的新时代，IT行业和从业者到底应该“怎么办”，如何面对AI带来的挑战和机遇。

在RSG2025杭州敏捷嘉年华大会的圆桌论坛上，包括主持人李博Ben，以及嘉宾李国彪Bill、申导、熊节、徐昊、徐宇青在内的几位参与者，围绕AI的本质、影响和未来方向，分享了各自的思考，共同描绘了雪鸟会尝试回答这些“时代之问”的想法和努力方向。

核心矛盾与历史自觉：AI雪鸟会的使命根源

雪鸟会的使命感，源于对当前社会技术生态核心矛盾的精准洞察。熊节一针见血地指出，我们面临的核心矛盾在于“广大人民群众要自行设计智能数字系统的迫切需求，和数字系统建设的不平衡不充分之间的矛盾”。这一判断揭示了技术鸿沟的现实，即一方面社会对智能化、个性化数字解决方案的需求日益高涨，另一方面，这种能力的建设与普及却呈现出显著的地域与阶层差异，大城市的高度饱和与基层地区的巨大渴求形成鲜明对比。

徐昊则从历史的纵深为这一判断提供了注脚。他回顾IT发展史，指出正如昔日互联网泡沫的破裂催生了对定制化软件开发的旺盛需求及“敏捷”方法的历史性登场，今日AI的崛起同样标志着一次深刻的范式转换。敏捷宣言的核心在于对“个体和互动高于流程和工具”的强调，它首次旗帜鲜明地承认“软件开发是关于知识传递的”。如今，AI的出现，尤其是大语言模型，无疑为知识的获取、传递与创造提供了“一种更好的方式”，但也对如何在企业环境中有效沉淀和传承那些“不可言说的部落知识”提出了严峻挑战。雪鸟会正是在此历史自觉中，试图探索AI时代知识赋能的新路径。

“建设权民主化”：赋权个体与再造基层

面对上述核心矛盾，雪鸟会响亮地提出了“信息系统的建设权的民主化”这一核心使命。此理念由熊节阐发，其核心要义在于推动AI技术从云端走向坚实的土地，让技术真正服务于千行百业的真实场景与个体需求。这不仅仅意味着让更多人“使用”AI，更关键的是赋予他们“建设”与“创造”AI应用的能力，即便他们可能仅具备基础教育背景。例如，在一些教育资源相对匮乏的偏远地区，教师们可以利用AI辅助工具定制化教学内容、分析学情，从而弥合资源差距；在广袤的田野乡间，农业技术人员亦能借助AI进行病虫害识别、智能灌溉，提升农业生产效率。这些场景生动地诠释了从技术的被动接受者转变为主动创造者的可能性，一个“无数的人在构想，用AI我能干什么”的创新图景正在基层涌现。

然而，理想与现实之间横亘的认知与能力鸿沟不容忽视。论坛上一位观众敏锐地提出了这一问题：尽管设想美好，但现实中许多人“在义务教育之后并没有这样的一个（自主使用AI进行创造的）能力”。对此，熊节回应道，解决这些“不可言说的知识，不可言说的方法的问题”，正是如雪鸟会同仁及所有AI领域的先行者与从业者责无旁贷的使命，这与二十四年前敏捷宣言的先驱们致力于梳理并传播高效软件开发实践的初衷如出一辙。徐昊亦从积极层面补充，AI本身即是极为高效的个性化学习辅导工具，它能够提供“非常高密度的积极反馈”，帮助个体在实践中快速学习、迭代认知，从而有效跨越应用门槛。

对此，申导提出的“the key to scaling is de-scaling”观点颇具启发。他认为，AI时代对传统程序员的绝对数量需求可能会下降，但对掌握业务知识、能够将AI应用于具体场景的“业务的从业者”的需求将激增。这正印证了“建设权民主化”的内在逻辑：通过工具的进步和方法的普及，让更多元的个体参与到价值创造中来。

人机共生新范式：重塑协作、知识与创造力

AI的普及，必然带来人机关系的深刻重塑，进而影响知识的形态、协作的方式乃至创造力的边界。李博Ben以其由AI生成的开场白，生动展示了AI融入日常工作并提升表达效率的潜力，他强调当AI能深刻融入生活时，其影响是巨大的。李国彪Bill则从更为哲学的层面，为我们描绘了人与AI在不同认知层面的互补与分野。他引述包鹏山教授的观点，将人与世界的关系递进地划分为四个层次：对“事物”的把握形成知识，对“事实”的洞察产生认知，对“观念”的建构体现价值，最终在“审美”中臻于诗意。李国彪Bill认为，AI在知识积累与认知推理层面已展现出超越人类的巨大潜力，能够高效处理“确定性的这样的协作的关系”。而人类的独特价值，则更多地体现在需要主观判断、情感投入和价值选择的“观念”与“审美”层面，人类应借AI之力，从重复性劳动中解放出来，专注于创造更高层次的“创意和新的体验”。

申导对此观点亦有呼应，他大胆展望，未来AI或将发展出类似人类的意识与丰沛情感，从单纯的工具进化为人类的伙伴乃至亲密朋友。这种“人机协作”的终极图景，无疑将彻底改写社会运作模式。同时，申导也深刻指出，AI既是“生产力也是生产关系”，它在极大提升社会生产效率的同时，也必然重构现有的生产组织方式与社会结构，甚至对“敏捷”这一诞生于前AI时代、强调人的互动与适应性的思想体系，也具有深刻的“反哺的作用”。当然，这种深度融合也伴随着挑战，徐昊所提及的如何将企业内部那些高度情境化、难以言传的“部落知识”有效传递给大模型，使其真正理解并服务于复杂业务，便是当前面临的一大难题。

坚守价值与开创未来：雪鸟会的深层关怀

在AI技术浪潮席卷全球的当下，雪鸟会的成员们并未仅仅沉醉于技术进步带来的可能性，而是展现出对背后价值导向与人文关怀的深切思考。徐宇青在论坛上发出了振聋发聩的追问：当AI在知识、技能层面展现出卓越竞争力时，驱动人类不断探索、应用乃至超越AI的“第三生产力”究竟是什么？ 他认为，除了逻辑与创新能力，人类所独有的“情绪和情感”，以及更为根本的“我们背后的热情和我们真正的动机和内在的驱动力”，才是驱动人类文明生生不息、并赋予技术发展以意义的终极源泉。

徐昊关于敏捷宣言生命力的论述，也为AI时代的价值坚守提供了镜鉴。他指出，敏捷之所以能跨越二十余年依然保有活力，关键在于它“是通过价值观定义的”，而非一套僵化的流程或工具。在他看来，“价值观是不会死的，只有具体的实践才会死”，因此，面对AI带来的不确定性，我们更应回归那些被实践证明具有普适性与前瞻性的核心价值观，以指导我们的行动与选择。申导亦以物理学中“熵减”的概念，巧妙类比生命现象与敏捷原则的内在追求——即在不确定性中创造有序与价值，他认为AI的发展是“历史不可逆转的一个滚滚车轮”，我们必须主动适应并积极塑造这个过程。

这种深层的人文关怀，还体现在对教育模式的深刻反思上。李国彪Bill尖锐地指出，我们现行的教育体系，在很大程度上仍在“培养回答问题的能力”，而在AI可以轻易提供海量知识与标准答案的未来，真正稀缺的将是“提出提问能力”，以及与之相关的批判性思维、独立思考和创新探索精神。他呼吁教育应回归本源，从小呵护并培育孩子的好奇心与探索欲。申导亦通过分享个人成长经历与对当前应试教育的观察，表达了对如美国可汗学院那样，能够利用AI实现个性化教学、激发学习内驱力的教育模式的认同与期待。

结语：共同求索AI时代的协作之道

总而言之，AI雪鸟会的这次讨论，是大家面对AI这个新事物，一起思考怎么看待它、怎么跟它打交道的一些初步想法。这不是说就有了标准答案，更多的是一个开放的讨论。参会的嘉宾们都觉得，这是时代交给所有IT人的一道题，也是一个需要大家不断学习、不断摸索的过程。

AI的发展不只是技术上的事，它牵动着我们工作、合作、学习的方方面面，甚至影响到我们怎么看待世界、看待自己。从讨论“建设权民主化”，到展望“人机共生”，再到思考什么是我们人类的“第三生产力”和不变的价值，雪鸟会的讨论让我们看到AI这个话题的复杂和重要。面对这么大的一个技术变革，光靠少数人想是不够的。

因此，AI雪鸟会希望通过这次讨论，实实在在地呼吁IT行业以及其他各行各业的朋友们，都能“迈开腿”，多到基层去看看，多了解真实的需求，一起加入到这场关乎未来的探索里来。AI带来了新的机会，也带来了新的挑战。只有大家一起想办法，多交流，动手去试，才能慢慢看清楚前面的路，一起努力让技术真正帮到更多的人，让机器和人能更好地一起工作，并且在这个过程中，不丢掉我们的人文关怀和社会责任。

【正文】

规范符合AI：开启智能体开发新范式

在RSG2025杭州敏捷嘉年华大会的这场思想盛宴中，申导以《Code Comply AI（规范符合AI智能体）产品敏捷MVP开发新范式》为题，为我们展开了一幅AI技术深度变革生产关系的壮阔图景。这场演讲不仅是一次技术的展示，更是一场关于人类与技术共生关系的哲学思辨。

技术突围：从”有限游戏”到”无限游戏”

申导首先指出当前AI应用的困境——许多项目仍停留在用AI重写传统软件的层面，这种”有限游戏”思维束缚了技术的真正潜力。他以电气行业为例，展示了Code Comply AI如何在900页非结构化规范文本中实现知识的高效提取与应用。这不仅是技术难题的攻克，更是对行业工作方式的重塑。

这种转变需要全新的开发范式。申导提出从”编码”到”生成”的跃迁，强调敏捷MVP（最小可行产品）方法论在AI时代的特殊价值。通过Gemini等大模型的融合应用，开发流程实现了从需求提炼到原型生成的全流程加速。这种开发方式要求我们重新审视技术与业务的关系，将技术视为业务逻辑的有机组成部分，而非简单的工具辅助。

人机共生：生产关系的深刻变革

更值得关注的是申导对人机协作模式的前瞻性分析。他提出人机协作的五个层级：从工具使用到平等交流，最终实现Agent自主协作。这种层级划分不仅是技术演进的路线图，更是对社会组织形态变革的深刻洞察。在Code Comply AI的实践中，我们看到这种理论的生命力。持牌电工通过自然语言查询和图像识别功能，将原本需要数小时查阅法规的工作压缩至几分钟。这背后是知识图谱构建、提示词工程、模型微调等复杂技术的协同作用，更是人类专业知识与机器学习能力的深度融合。

这种融合带来了生产关系的重构。当AI承担起重复性知识劳动，人类得以将精力转向更具创造性的领域——从明确规则的执行者转变为模糊边界的探索者。这种转变要求我们重新定义工作的意义，重新审视人类在生产活动中的独特价值。

垂直穿透：在具体场景中创造价值
申导的演讲最令人印象深刻的，是他对垂直领域痛点的精准把握。他没有停留在技术炫技层面，而是深入到电气施工等具体场景，展示AI如何解决真问题。

在建筑行业，Code Comply AI通过图像识别技术辅助现场评估，不仅提高了缺陷识别的准确率，更通过知识库的持续更新，实现了对行业最佳实践的动态学习。这种能力的实现，依赖于对行业规范文本的深度语义理解，以及对施工现场复杂环境的感知能力整合。

这种垂直穿透能力背后，是申导对技术应用边界的清醒认知。他反复强调，AI的使命不是替代人类，而是通过承担繁琐重复的工作，释放人类的创造力。这种理念在Code Comply AI的每个功能设计中都得到体现——从自动生成规范解释，到提供可视化整改建议，技术始终围绕人的需求展开。

敏捷哲学：在不确定性中创造有序

贯穿整场演讲的，是申导对敏捷哲学的深刻诠释。他将敏捷的”拥抱变化”原则与AI的不确定性特征联系起来，提出在快速变化的环境中，我们需要建立新的反馈机制。

这种机制在MVP开发过程中体现得淋漓尽致。通过快速迭代和用户反馈，Code Comply AI不断完善其知识图谱和推理能力。每次迭代不仅是功能的优化，更是对行业需求理解的深化。这种开发方式要求团队具备极高的认知灵活性，能够在技术可能性与业务现实性之间找到动态平衡。

更深层次地，这种敏捷思维代表了一种面对技术变革的态度。在AI快速演进的当下，我们无法预知所有可能性，但可以通过建立快速试验和反馈的机制，在不确定性中创造有序。这种能力，不仅是技术团队的核心竞争力，更是整个社会应对技术变革的关键素质。

未来启示：技术应服务于人类福祉

申导的演讲最终落脚于技术的终极使命。他没有将AI视为威胁人类的对立面，而是将其看作人类能力的延伸。通过赋予更多人”建设权”，让技术下沉到教育、农业等基层场景，他试图构建一个技术普惠的未来图景。

这种愿景的实现需要跨越认知与能力的鸿沟。申导提出通过提示词工程和低代码平台降低技术门槛，让更多非技术背景的人能够参与AI应用的构建。这种”去专业化”的过程不是削弱技术深度，而是通过工具的进步，让更多元的智慧参与到价值创造中来。

这种技术普惠的理念，与当前社会对技术公平性的诉求不谋而合。当AI能力逐渐成为基础设施，如何确保每个人都能公平地获取和应用这种能力，将成为技术伦理的重要命题。申导的实践为我们提供了有益的参考——通过构建开放的知识共享体系和人机协作框架，技术可以真正成为促进社会进步的力量。

在这场演讲中，申导不仅展示了Code Comply AI的技术创新，更通过这一实践，对人类与技术的关系提出了深刻的哲学思考。他提醒我们，在追求技术效率的同时，不要忘记技术的终极目标是服务于人类福祉。这种对技术边界的清醒认知，对人类价值的坚定守护，才是AI时代最宝贵的启示。

【PPT获取】链接:https://pan.baidu.com/s/1Vw3lJnRdSn_AKOkl82FKew  密码:v2yk

（👇扫码加入群聊，深度探讨AI产品敏捷开发的范式与方法👇）

在传统瀑布式项目管理环境中，由于长周期规划、刚性需求冻结（即不允许随意在中途修改工作内容）等特性，OKRs难以发挥实时反馈与快速调整的优势。此时建议优先构建敏捷基础能力，再逐步引入OKR体系。

OKR的组成部份

OKRs的简洁性也是其广受欢迎的重要原因，主要组成部份为：

O，即”目标”（Objective）

KR，即”关键成果”（Key Results）

“目标”（Objective）定义组织追求的业务成果，”关键成果”（Key Results）则是衡量目标达成进度的可量化指标。每个目标通常对应2-5个关键成果。

使用OKR进行季度工作追踪

OKRs支持持续进度追踪，驱动组织及时采取纠偏或强化成功实践。每个关键成果应具备可分级度量能力（通常以百分比呈现）。鉴于企业战略调整存在滞后效应，建议按季度评估关键成果进展，并通过战略组合评审进行校准。图5展示了季度度量机制。

图5. 季度性关键成果追踪

多维度关键成果的价值在此凸显：单一指标无法完整反映进展全貌。部分成果随工作推进提升，另一些可能出现逆向波动。这种多维视角为计划调整提供决策依据。

OKR的更多经典应用场景

1增强企业的战略穿透力：

通过OKR构建战略主题的量化表达，确保投资方向、团队目标是与企业业务战略同频共振的。

2定义史诗Epic与精简业务用例的商业价值：

将大型举措分解为可衡量的业务成果，例如某Epic为提升客户门店体验提升。

3设定组织转型的改进目标：

用量化指标追踪转型成熟度的演进，如：交付周期从8周压缩至3周。

好的OKR该满足什么标准

精心设计的OKR能够有效对齐个体与团队的可量化目标，而低效的OKR则可能适得其反。常见误区包括：将常规运营活动替代为战略目标、聚焦产出而非成果、将关键成果定义为任务清单等。

优质的目标（Objective）应具备以下特征

激励性，目标应描述重要且有价值的战略方向，具有适度挑战性，能够激发团队突破舒适区。例如：”重塑客户数字体验”而非”完成季度系统升级”。

清晰易记：采用简洁有力的表述，通常设置3-5个目标。避免使用量化指标（这些应体现在关键成果中），例如：”建立行业领先的数据安全体系”。

类型明确，区分承诺型与进取型目标：

承诺型：必须达成的基线要求（如合规性改进）

进取型：突破性创新目标（如市场份额跃升），建议承诺型目标达成率100%，进取型目标60-70%为合理区间。

工作优化导向，识别目标类型差异：

业务交付类：聚焦解决方案开发，关键成果侧重业务指标

流程改进类：关注效能提升，如交付周期、等待时长等

每个目标对应2-5个关键成果（Key Results），优质关键成果应满足

价值导向：聚焦成果而非活动本身。可通过三问实现转化：

该活动的预期影响是什么？
如何量化验证影响效果？
期望达成的可测量结果是什么？

可量化：每个关键成果须包含明确数值目标，混合使用先导指标（如用户参与度）与滞后指标（如营收增长），构建多维评估体系。

可评估，采用渐进式度量方式，避免二元判定。推荐表达格式：

从X提升至Y
从Y降低至X
持续高于X阈值
维持低于Y水平

1. 以用户为中心的创新：对产品的有形影响

通过将我们的用户置于整个交付中心来聚焦，并持续动态重组我们的组织。使用用户的原型角色、影响力地图、用户旅程等技术，为我们持续地洞悉着用户需求的见解。唯有产品与目标受众产生共鸣，方可提高用户的采用率和满意度。

2. 成本优化和投资回报率最大化

产品上的探索发现的一个具体影响，是显著地减少了交付过程中的浪费。通过尽早验证想法，避免了对不必要功能的投资。因此，高效的设计实验显得尤为重要，它是我们提高产品ROI最大化的重要手段。

3. 数据驱动决策：对业务战略的影响

产品探索发现还可以通过用客观的数据取代主观意见，来推动业务上的决策。我们非常重视针对如何收集、分析正确的数据的学习，以支持组织进行明智的产品决策，从而实现更为有效的业务战略和可衡量的结果。

4. 跨职能协同：对组织效率的影响

当我们意识到产品本身并不只是产品团队的事情，这彻底改变了我们对内部人员组织的方式，这是一个将各种利益干系人聚集在一起的协作过程。通过组织跨职能的团队，让大家聚焦在相同的产品探索发现目标上，可以在从营销、设计、开发、运营等各个部门之间创建共享的语言和理解。这种对齐方式使工作执行更顺畅，整体效果更好。

5. 加速产品上市时间：对响应性竞争力的影响

最后我们也发现了，如果产品探索发现应用得当的话，可以显著缩短产品上市时间（TTM）。通过快速验证假设，我们可以快速转向并专注于交付出关键的功能，提高企业整体响应性竞争力。

当团队刚开始接触Scrum时，严格遵守这些规则是非常必要的。比如：

• 每日Scrum会议时长控制在15分钟内
• 每个Sprint都要设定明确的Sprint目标
• 所有的工作内容都要在产品和Sprint待办列表中以条目的形式清晰可见；
• 每个Sprint结束后，都要产出一个潜在的可发布增量；
• 每个Sprint结束后，都要通过回顾会议发掘可操作的改进点。

这些规则有的容易执行，有的则可能比较具有挑战性，但只要坚持遵守规则，团队总能逐步适应并改进。

然而，在与团队持续合作的过程中，在合适的时机允许团队尝试改变部份规则是一件很有意义的事情。（虽然“允许”这个词可能不太准确，但是又有什么理由去否定团队的任何尝试呢？）

Scrum的每一条规则和约束都有其存在的意义。但是如果团队不想继续使用Sprint目标呢？大家觉得实现该目标实在太难了，或者他们觉得Sprint回顾会议是浪费时间，又或者对Sprint工作的意义感到困惑，疑惑为什么无法参与到关注价值的持续产出当中。

我们非常欢迎团队提出这些问题，这说明大家对自己的工作、流程以及合作方式都十分地关心。

作为Scrum Master，我们总是鼓励团队大胆尝试一些小实验。我们可以先制定一个假设，设计一个实验，然后去尝试验证该假设，看看会发生什么。说不定团队能找到更适合自己的工作方式。

当然，也可能一个情况，实验的结果可能是团队不再使用Scrum。严格来说，如果团队不设定产品和Sprint目标，或者一个产品有多个产品负责人，或者不使用Sprint，那就不再是Scrum了。

但若该种方式对团队来说真的确实有效，那也很好！Scrum本身永远都不该是目标。

在我们看来，与其说想要改变Scrum规则，还不如说是，给了我们机会更深入地去了解团队状态：

• 到底发生了什么？
• 我们正试图解决什么问题？
• 我们忽略了什么因素？
• 我们应该进行哪些对话，但目前还没有？
• 我们是否意识到潜在的后果？

和团队一起探讨和观察这些问题。如果最终他们想尝试新事物，Scrum Master将是他们最大的支持者！

指引团队聚焦全新且正确的商业价值

在许多组织中，商业价值的关注点常常被忽视。团队可能被日常任务淹没，专注于流程、技术或个人KPI，而未能充分将其努力与更广泛的商业价值目标对齐。这种脱节可能导致计划错位、浪费精力和表现不佳。

许多组织普遍认为“商业价值”是高层领导的责任，与战略目标的设定相关。实际上，分散式决策对于组织实现敏捷性并释放团队的创造力至关重要。为此，需要在各个层面清晰且具体地理解商业价值，来指导这些决策。而当前的挑战在于商业价值并非一成不变的概念，它是高度情境化以及独特的。对一个组织有价值的东西，对另一个组织可能毫无意义。即使在同一组织内，产品组合、ART或团队在工作情境中对价值的理解也可能大相径庭。因此对于商业价值有全新且正确的理解至关重要。

商业价值发现的四个步骤

商业价值发现是组织各个层面的关键活动，接下来我们深入地介绍这一过程的四个关键步骤。

1、识别和描述价值

在组织的各个层面，商业价值的识别贯穿于SAFe的活动和事件中。在产品组合层面，产品组合的利益干系人和史诗负责人，通过组合看板发起对这些价值的讨论，通常会在组合战略细化阶段甚至更早开始。在ART层面，商业价值识别随着团队评估解决方案、探索使用场景和应用以客户为中心的技术时展开。

2、探索商业价值的维度

要更深入地探索和理解商业价值，必须超越这些价值表达形式，关注这些价值如何实现。它是有形价值（如收入），还是无形价值（如品牌及形象），是面向内部、专注于成本节约，还是面向外部、专注于收益增长的，这些问题有助于更细致、更正确地理解商业价值。

3、识别商业价值理解中的未知因素

记住一个通用原则，除非有确凿的证据和数据支持，否则关于商业价值的每一条陈述都只是假设。这表明了建立有效反馈系统的重要性，基于数据进行有效决策是至关重要的。因此我们需要对商业价值相关的“未知因素”进行分类，制定一些我们认为有效验证该未知因素的观测指标，这有助于有效管理它们的正确方向。

4、确定如何衡量商业价值

了解如何衡量商业价值是发现过程的关键部分。它确保我们商定的方法与我们对有价值东西的理解是一致的。因此需要建立必要的基础设施和方法，以持续收集关于结果的实证数据。

商业价值发现是组织各个层面的关键活动。商业价值文章中描述的四个步骤有助于更好地理解价值，促进对齐，为决策和优先级排序提供信息，并通过产品特性、史诗、战略主题等渠道更好地表达这种价值。

在动态多变的产品开发领域，交付价值对于在每个冲刺（Sprint）结束时创造出有形、可发布的输出至关重要，这能确保产品始终朝着增强可用性和功能的方向稳步前行。

根据《Scrum指南2020》，增量是实现产品目标坚实的基础。每个增量都是所有先前增量的加法且通过彻底验证的，以确保所有增量能够协同工作。为了提供价值，增量必须是可用的。

我们需要考虑几个关键事项：

完成的定义：

可用增量必须满足预定的“完成定义”（DoD），这包括团队为产品增量被视为完成而商定的所有标准。完成定义确保每个增量都符合产品所需的质量指标，并且是有价值的、功能齐全的、随时可用的。它关乎完成工作项目，并满足有效利用增量的所有质量标准和要求。

对客户的价值：

任何改进的一个关键方面是它对最终用户的价值。增量必须包含被认为是有意义的功能或强化。这可能意味着解决问题、添加新功能或改进现有功能，从而使产品更有用或更简单。如果增量没有为客户增加价值，那么其优先级就值得重新考虑。

完全集成：

每个增量都必须与现有产品完全集成，这意味着它应该和其他功能及组件无缝协作。集成确保新增量不会破坏产品的功能或引入新问题。这种无缝集成对于维护客户可以信任的可靠产品至关重要。

潜在可发布

如果有需要，可用增量可能会向最终用户发布，这是可用增量的本质。这确保了产品始终接近可发货状态，从而缩短了新增和强化功能的发布时间。

反馈到位：

可用增量对于收集有价值的反馈至关重要。交付可运作的产品切片使团队能够从真实用户或利益相关者那里收集见解，这些见解可以指导未来的开发工作，以符合用户的需求和偏好。

可持续开发步伐：

1. 创建可用的增量应避免团队倦怠或不可持续的工作实践。开发速度应保持一致和可控，以确保高质量的产出，同时不损害团队的良好状态。这种可持续的方法确保团队能够随着时间的推移保持有价值增量的稳定输出。

可用增量不仅仅是一组完整的工作项；它是产品中精心打造的一部分，能够带来即时价值，并已准备好投入实际应用。它凝聚了团队的协作努力和对为用户带来切实利益的承诺。

从这个视角来看，每个增量都是朝着下一个产品目标迈出的一步，也是朝着创造珍贵且具有影响力的事物迈出的一大步。这种思维方式改变了团队的工作方式，培养了追求卓越和以客户为中心开发的文化。

【学员说-CSP-SM认证课程推荐语】

加入CSP，助你全面理解敏捷本质与提升个人认知。以实践为导向，助你在人生道路上更进一步！

——Jack 程才

前言

在优普丰的CSP认证学习之旅中，我经历了一次深刻的思维和技能的重塑。从最初对CSM的懵懂无知，到A-CSM阶段的一知半解，我开始初步了解引导、教练等概念。如今，我已经能够熟练运用CSP的理念与工具，我的思维模式、行为习惯以及管理技能都经历了显著的转变与提升。接下来，我将从思维模式的转变、行为习惯的改变以及管理技能与LS工具箱三个方面，分享我的心得体会。

思维模式蜕变

在思维模式方面，我从过去单一的思考方式，转变为能够多角度、多层次地分析问题。我学会了批判性思考，不再仅仅满足于问题的表象，而是努力探究其深层次的原因，寻找问题的核心解决方案。在管理认识上，我逐渐从单纯的技术层面——只是关注死板的管理知识——转变为理解和领悟管理背后的深层理念，打开了全新的视野。我开始意识到，管理不仅仅是关于规则和程序，更是关于人与人之间的互动、价值观的塑造和文化的培养。我开始更加注重团队成员的感受和需求，努力营造一个开放、包容的工作氛围，让每个人都能在其中找到归属感和成就感。

行为习惯蜕变

在行为习惯上，我的管理风格从传统的命令与控制，在A-CSM到CSP的学习过程中逐步转变为引导与共创。我开始更多地倾听团队的意见，与他们共同合作解决问题，这种互动更加深入，也更有成效。我学会了如何在保持目标明确的同时，给予团队成员足够的空间去发挥他们的创造力和主动性。这种转变不仅提升了团队的士气，也显著提高了工作效率和成果质量。我开始尝试更多的团队建设活动，通过非正式的聚会和讨论，增强团队成员之间的了解和信任，从而在工作中形成更紧密的合作关系。

管理技能

在管理技能上，我之前仅依靠个人的经验和有限的知识，现在我开始系统地整理和学习各种管理技能，了解它们的应用环境以及自身的不足之处，深入挖掘自我潜能。我开始主动寻求反馈，不断调整自己的管理方法，以适应不断变化的工作环境。我意识到，作为管理者，我需要不断学习和适应，才能带领团队走向成功。我开始更加注重细节，通过定期的项目回顾和绩效评估，确保每个环节都达到预期目标。我也开始学习如何更有效地进行时间管理和资源分配，以确保在紧张的工作节奏中，依然能够保持高效和有序。

LS工具箱

至于LS工具箱，我认识到管理不仅仅是宏观的规划和掌控，更包括对细节的把握。我开始熟悉33种工具，以及它们在不同情况下的应用，从而更好地激发团队的潜能，促进集体智慧的发挥。这些工具成为了我管理工具箱中的宝贵资产，帮助我在面对复杂问题时，能够迅速找到合适的解决方案，确保项目顺利进行。我开始将这些工具融入日常工作中，无论是项目规划、团队协作还是决策制定，都能看到它们的身影。通过这些工具，我能够更加清晰地传达我的想法，也能够更有效地收集和分析团队的反馈，从而做出更加明智的决策。

通过这一系列的学习和实践，我不仅在专业技能上有了显著的提升，更重要的是，我学会了如何成为一个更好的领导者。我期待将这些宝贵的经验和技能应用到未来的工作中，继续推动个人和团队的成长与进步。更重要的是，CSP学习之旅让我深入了解自我、认识自我，与自我和解，向内修炼，探索生命最原始的激情，逐步蜕变为更强大的自己，以更自信、更坚定、更激情的状态面对未来。感谢申导与布老师的教导，我在CSP学习之旅学到的内容将伴随、受用、感悟一生，精进自我，并将能够带领我的团队迎接更多的挑战，实现更多的成就。

A.大模型AI当前在研发领域应用的现状如何？

AI并未给研发工程师带来危机感

智能化研发领域现在发展得特别快，也特别有挑战。在阿里巴巴，他们不仅做了代码补全和代码对话这些基本功能，还特别关注Prompt市场和Extensions这些场景，以支持业务的自定义需求。在外部，除了灵码和快码等产品有进展外，还出现了很多创业公司，比如Cursor和Windsurf。同时，很多创业公司围绕Github生态开发了局部智能化的Agent，比如Gru.ai能生成单测。

现在，研发智能化主要有以下几种形式：

1. 智能研发插件如Github Copilot、通义灵码、Comate，通过JetBrains、VSCode插件提供代码补全服务。

2. AI Native的IDE如Cursor、Windsurf、MarsCode，以独立IDE方式服务开发者，PearAI等公司基于VSCode二次开发。

3. CodeReview智能化领域起步早但效果一般，阿里巴巴项目存在模型能力和工程化不足问题。

4. RAG解决搜索和Summary问题，面临用户问题上下文不足、知识不保鲜、信息不完整、难以评测等挑战。

5. 智能解决代码冲突、自动解决编译问题等已在阿里巴巴内部平台上线，智能诊断、智能监控等也在调研中。

6. 局部智能化的Agent如Gru.ai、readme-ai、RepoAgent，帮助用户生成单元测试、Readme、补充注释，成功率较高。

7. 广泛自动化的Agent如Devin、OpenDevin，利用大模型生成任务plan，并在独立容器内执行，实现简单issue或需求。

目前对大模型能力有清晰界定，常见模型缺陷有应对策略，使用RAG增强模型上下文，降低模型幻觉。尽管模型发展迅速，但除了SWE-Bench榜单分数提高外，并未出现让程序员有危机感的产品，对大模型解决复杂问题的信心减弱。问题究竟出在哪里呢？

这到底是遇到了哪些阻碍问题呢

大模型基于Next-Token原理的局限性会影响其在智能领域的表现，但半年来的发展表明，问题不仅在于模型推理能力，还包括工程能力和数据的不足。即便推理能力强大的gpt o1模型发布已久，复杂系统研发问题上仍未见突破。大模型解决简单问题也面临挑战，并未能达到预期效果。

问题1：即使非常垂直的场景，需求也很难以自动化完成

Aone Copilot 在上半年推出了 Extensions 功能，旨在让专业人士创建插件，实现如 RAG 搜索、业务版本更新和业务代码生成等功能。尽管如此，我们发现特定场景的自动化还是难以实现，用户难以直接使用 Extensions 生成的代码，需要在反复本地调整。
使用者反馈指出，遇到了不同程度的问题，如：
1.定制组件时代码可能返回空值，缺乏定制方法的展示。
2.对字段作用和展示方式不清晰。
3.需要统一的语言输入和背景知识。
4.扩展点选择困难。
5.技术与领域上下文不匹配。
此外，业务上下文不足和需求理解与描述不足也是大模型落地的障碍。尽管积累了丰富的经验，但难以记录和传承，导致模型缺乏知识参考。我们发现，需求理解不足是大模型落地的主要问题，而无需详细描述需求的场景落地则状况较好。

问题2：用户期望过高而场景实际无法落地，给使用者们带来了负面影响

自GPT3.5发布以来，人们期待GPT4和GPT5能解决众多问题。随着简单问题的解决，探索更复杂、富有想象力的领域成为趋势。众多厂商和团队在SWE-Bench上竞争，但一年后，对这些榜单的兴趣减退，公测产品仍在测试中。行业对大模型的前景充满期待，但同时也感到焦虑，导致基础设施和数据建设的基础工作未得到足够关注。此外，许多管理者和企业领导者对人工智能抱有过高期望，但当他们发现辅助工具未显著提高效率时，开始怀疑技术的未来，对智能化研发的进程产生负面影响。

问题3：既没解决工程上下文问题，也没解决业务上下文问题

开发者通常负责维护旧系统、修复问题、开发新功能。如果大模型要开发新需求，它需要学习工程结构，理解项目目录、代码和配置，掌握本地开发、调试、发布、测试和验收流程，以及项目的历史演进，避免常见问题。此外，理解业务上下文也很重要，包括项目目的、业务背景、需求细节和验收标准。没有这些经验，即便是聪明的程序员也难以应对复杂系统。

许多初创企业的产品由于形态限制，难以整合不同平台的数据。同时，人们往往未充分认识到数据在处理复杂任务中的重要性。例如，Aone Copilot通过结合代码库和用户历史修改记录，提高了代码辅助修改的准确性。在代码审查中，引入需求文档和问题报告有助于发现更多潜在的业务逻辑错误。

基础设施的不足也是问题所在，如内部研发生态系统中需求与代码、文档与代码之间的联系微弱，且Commit Message编写不规范，导致数据处理成本高而有价值信息少。尽管阿里内部代码平台强制生成自然语言描述以改善这一状况，但研发基础设施工作仍需继续推进。

问题4：不能忽视“人”才是这其中的决定性要素

现在，很多产品觉得开发者不重要，以为只要写好需求，就能自动生成完整的自动化解决方案。但问题在于，人类才是理解需求和确定验收标准的关键，为什么要把他们排除在生产流程之外呢？不管是Copilot这样的辅助工具还是其他智能代理，人工智能和人类合作才是最好的。模型不确定的时候要找开发者帮忙，完成任务后也要开发者确认。有些知识只有开发者自己知道，改好的代码也需要人工审核。

一些IDE产品，比如Windsurf，已经开始实现这个理念，让模型在对话框里寻求人类确认。这种理念强调人类和AI合作，而不是取代人类。开发者可以通过自然语言和产品互动，随时确认并应用更改。在这种协作模式下，人和IDE的角色变得不那么重要。我们现在看到的是一种新产品形态，就是以IDE为平台，人和AI一起合作，用自然语言为主要交流方式的产品。

问题5：各系统平台间信息孤岛割裂，无法整合用户的操作行为和意图

因为不同平台的信息不统一，所以有时候我们搞不清用户到底想要什么。就像你用阿里Aone平台时，如果能看到和构建问题有关的信息，那AI帮你解决问题的速度就能快多了。还有啊，监控系统的报警如果能告诉我们最近都有什么活动，比如改了什么、发了什么，还有哪些高风险操作，那我们就能更快地找到问题所在。但现在这些重要信息都是孤立的，没有有效地整合在一起。所以啊，把不同平台的数据打通，让它们共享起来，是技术发展的一个重要方向，这样既能提高用户体验，也能更好地提供技术支持。

B. 大模型时代，我们又需要怎样的基础设施?

面向大模型的数据基础设施远远不够， 数据质量的重视仅停留在口号上

大语言模型的能力主要靠模型、数据和推理机制。虽然推理能力和模型性能有所提升，但数据处理还停留在基础阶段，数据迭代和管理的重要性常被忽视。在微调过程中，少量数据也能显著提高模型表现，强调了数据质量的重要性。提升数据质量需要迭代和演进，依赖于有效的版本管理和基础设施。这些基础设施应包括模型版本管理、数据存储、处理工具、审查系统和数据分析功能。当前数据存储基础设施存在不足，尤其是处理非结构化数据方面。在大模型领域，数据处理和使用人员不同，数据质量责任不明确。Aone Copilot 项目通过一年多的努力，开始解决这些问题，构建了可优化、审查和管理的数据基础设施，确保了数据处理的可追踪性和透明度，促进了团队间的高效合作。

人机的AI交互是关键，因此IDE成了最重要的战场

现在这个大模型时代，今年下半年，Cursor 突然火了起来，显示了 IDE 的重要性，它已经不只是个工具了，而是变成了很关键的基础设施。IDE 能把大模型的能力和用户需求结合起来，让协同工作更高效。Cursor 成功了，说明 Copilot 模式还能继续进步。它的亮点包括能一次填好多个地方，还能实时调整光标位置。

它能自动纠正代码中的错误，比如发现错别字并提供修复建议。还能迅速将对话框内容应用到编辑器中。

第一次用这些功能，我特别惊讶它们的性能。它们既不像传统的代码补全那样，又显得特别简洁，用起来也很顺滑。我们带着好奇试了很多，发现它们真的很厉害。Cursor 的关键是“重写”，就是重新写一遍文件或者文本段落，这和传统的方法完全不一样。通过这种方式，可以做到多点的补全和修正错误。比如，我把命名空间里的变量名改了。

Cursor能自动识别代码并重新写，记录模型对代码的改动，然后和本地代码对比，标出不一样的地方。它还能自动修复代码里的错误，更新变量名，保证代码的一致性。Apply功能简化了插入代码的步骤，省去了手动找位置和解决冲突的麻烦，让操作代码对话框更有效率。

用 Apply 功能，Cursor 能把你要改的代码和原来的代码放一起，让语言模型把左边的代码改写一下。IDE 会帮你对比改写后的代码和原来的代码，让你自己选要不要改。不过，还是有点麻烦：得知道改写到哪儿为止，还得赶紧生成好多文本，还得保证不卡。团队已经解决了服务器上的技术难题，让模型推理更快了，但在 VSCode 上，因为 API 的限制，还是有点难。是不是应该开发一个单独的 IDE，给用户提供更好的体验？这是个值得讨论的问题。单独的 IDE 有好多好处，比如可以搞个“影子仓库”机制，还能用 LSP 支持文件操作啥的。

研发平台作为基础设施底座，具有不可估量的潜在知识经验转移场景可应用

咱们聊了聊数据基础设施和集成开发环境（IDE）的重要性，但Aone Copilot的潜力实际上还看研发数据。这些数据展示了研发过程中的复杂信息，帮助AI更高效地完成任务。研发数据包含了必要的知识和经验。比如说，通过分析需求、代码变更和架构设计、代码实现之间的关系，我们能了解项目进展并提出解决方案。像Aone、Code或GitHub这样的研发平台在数据和工具方面有优势，有助于应对大型语言模型的挑战。在大型模型时代，研发基础设施需要提供数据支持和工具能力，但很多团队的研发流程管理不严格，导致有价值的数据积累不足。不过，通过引导和推动规范化，我们可以改进研发的标准化，认识到数据对效率提升的重要性。

C. 每个企业都应重视内部智能化产品的机会

本篇文章谈到了开发智能体遇到的难题，即使智能体智商很高、推理能力也很强，也难以满足所有复杂需求。没有高质量数据支持的智能体是不现实的。同时强调了数据工程和集成开发环境在大规模模型时代的重要性，并解释了人机交互的重要性和工作原理，最后还分析了研发平台的基础建设作用，打通所有数据孤岛的重要意义。

尽管企业内部智能研发工具没有广泛的外部用户基础，但它们能利用内部资源为使用者们提供了更为深层价值，推动标准化文档和研发习惯，促进工程发展。因此，在AI革新研发模式的前夕，我们应该更积极地考虑AI取代人类工作的担忧是否合理，同时更应思考在变革彻底到来之前，我们作为研发领域的资深从业者们，又该如何做好应对准备。

【学员说-CSP-SM认证课程推荐语】

若你想在教练技能和引导技巧上更上一层楼，CSP-SM能让你从“优秀”迈向“卓越”。

——Anson Wu伍伟曦

培训课程设计，闪电演讲 —— 永远不可能完全准备充分，紧抓核心

在我过往的培训或者课程，通常都会事先对演讲课题做充分的准备：充分的演讲台词脚本准备，充裕的演讲时间，清晰已知的课程受众等等，至少在预演当中令我感觉心里踏实的程度。

但第一个练习，导师们就给我出了道难题。三大题目里面选一个，15分钟内和partner协作准备一个15分钟的、符合4C原则的培训课程。一个相当宏大的话题要用15分钟讲完已属实困难，遑论更要15分钟内临时做出准备，虽然觉得有点强人所难，但我还是咬着牙上台讲完。

在自我反思反馈环节，我坦言由于时间仓促导致准备不足，从而还进一步引发了演讲时候的紧张情绪，导致我在本已够复杂的主讲内容中插入了更多的“新名词”，可能让听众感到信息爆炸，堕入雾里。

但接下来，申导的反馈意见无异于给了我一记当头棒喝，把我震醒了：培训课程设计可以有15分钟的，也可以有1个小时，甚至给定时间还有半天、一天的，你也可能准备很多内容。但演讲者需要聚焦，想清楚最想表达给听众的是什么。如果想清楚这点，那么讲一个小时你会知道该围绕什么核心展开；讲15分钟也能讲清楚，内容在哪里倾斜侧重，该一笔带过的也知道怎么带过。

“火把教练”，教练之箭 —— “不识庐山真面目，只缘身在此山中”

在“火把教练”的环节，每人充当教练的角色轮流向案主客户发问。

在教练过程当中，我们更应该关注案主，而不是优先关注案主所描述的案例中人或事细节，毕竟经由案主口中所描述的“客观事实”，已经是带有案主主观的视角和观点。带有“滤镜”的信息，很容易把教练的思绪带偏，无法更客观的帮助案主理清思路和价值。

但第二轮过后，大家都不约而同地深究案主所描述的案情，甚至开始根据“案情”提供各种详细方案。

在反思反馈阶段，导师们跟大家一起回顾了教练之箭的几个要点，总结了适才的练习过程，我回想起每个人问的问题，思索所问问题的角度和思路，发现都过分陷入了案例细节里面，而忽略了本次引导的根本目的，是帮助案主客户理清思路，解决期望目标。

换位思考，自我察觉，内观自变 —— “以人为镜，可以明得失”

在引导师练习中，我在台上不经意的就会代入到现实中的Scrum Master或者Agile Coach角色。现实中这个角色，需要从“引领”到“跟随”，从咨询—培训-导师-引导-教练的各个角色不断游走，在转换中容易迷失自我，导致在引导的过程中变得不够中立客观，给出带有暗示性、偏向性的意见。

而在角色扮演游戏里的收尾阶段，我们每个人则需要不停地转变角色，表达不同的视角和观点。

这两个环节引发了我的深思。在日常实际工作或生活中，我们既要很清晰自己的定位，以及应该聚焦的核心点，避免被其他观点牵着鼻子走；又要多换位思考，尝试从不同视角获得更多更准确的全局信息，避免视野过于狭隘，固执己见。

Scrum Master或者Agile Coach在组织设计或转型中，往往是变革的先驱者。因此变革就应该先从自身开始，随时“吾日三省吾身”，进一步打磨自己的能力。

组织设计，系统思考 —— 敢于突破思维茧房，勇于蜕变

在最后一个沙盘演练中，我们几位准CSP一起讨论探究组织设计的“动”与“静”。我们要在给定的条件中，设计并组建有效的，满足条件的团队。

这个练习并没有所谓的“正确答案”或者“最佳答案”，解题思路更不是唯一，更重要的是过程中的思路。在演练当中，随着给出的难题越来越苛刻，各人在讨论中给出的方案，越容易直接参照自身现实中的情况，甚至放弃一些根本性的原则。

Scrum Master或者Agile Coach作为变革的先驱者，在基于对现状的了解，应该清楚认知到外部的需求和变化是永远不可控的，因为思维必须大胆突破现有的框架，从更高层次、从更广阔的系统思考的角度考虑组织设计，而非单纯为了短期利益成事而安于现状。

LS引导工具箱 —— “工欲善其事，必先利其器”、

我是在A-CSM的课程里首次接触LS释放性结构引导工具箱。我发现很多工具，在日常工作中都用上，并发挥到良好作用，例如协助PO梳理用户故事地图、引导Scrum团队迭代回顾会等。

今次CSP课程中，从一开始的“电梯演讲”，到在“火把教练”练习中的Call-out Question，再到“金鱼缸会谈”的升级版“大型智囊团”，两位导师展示了不少引导工具的实际运用，在课堂引领和交互方面的效果毋庸置疑。

写在最后 —— 醍醐灌顶，易筋洗髓

即使CSP的学习仅有短短两天就结束，但我对教练技巧、引导工具的探索和学习方兴未艾。这让我想起Scrum的其中一个内核精神：以终为始。

临走时，我再看了一眼贴在门口的CSP课程海报，然后心满意足地离开。脑海里仍记得它上面书写着：从“优秀”到“卓越”。乘风而来，满载而归。