课程 ID: 19245
描述:
话题概述:
我所在的团队负责多条业务线的后端研发，面临三个突出挑战：一是需求量持续增长但人力有限，传统“”链路长、交付慢；二是业务知识高度依赖“老人”的个人经验，没有结构化沉淀，新人上手周期长达 2-3 个月，核心成员请假就可能卡住整条业务线；三是团队虽然有人零星使用 AI 编码工具，但方式碎片化、产出风格不统一，反而增加了 CR 负担，工具装上了却离真正提效有很大差距。
面对这些问题，我意识到引入 AI 不是“装个插件”就能解决的事，需要一套从工具破冰、到流程改造、再到知识资产化的分阶段推进策略，是一场涉及技术、流程和团队管理的系统性变革。
演讲题纲:
话题亮点：
我们采用三阶段渐进式推进策略：
阶段一：破冰。 统一引入 Agentic Engineering 作为团队标准范式，用示范效应建立信心。
阶段二：规范化。 引入 Rule 机制将团队编码规范、提交规范、CR 检查清单编码为 AI 可执行的规则；引入 Skill 机制将自研框架和最佳实践封装为 AI 可调用的能力，实现技术框架的复利。从“人盯人”变成“规则盯人 + AI 兜底”。
阶段三：知识复利。 将业务领域模型、历史决策、踩坑经验结构化沉淀为知识库，让 AI 基于知识库做需求分析、方案拆解和风险预判，形成“需求完成-> 知识沉淀-> AI 能力增强-> 更快完成”的飞轮效应。
踩过的坑包括：Rule 写太细导致 AI 产出僵化、一次性梳理知识团队抵触大、AI 生成的测试断言过于宽松等，均通过迭代调整解决。