现在很多团队在建设 AI Native 研发体系,会把研发流程拆成很多节点,比如需求分析、技术设计、功能开发、埋点、测试
Barret李靖
@Barret_China
·
2 天前
·1 次浏览
现在很多团队在建设 AI Native 研发体系,会把研发流程拆成很多节点,比如需求分析、技术设计、功能开发、埋点、测试、性能优化。
然后统计每个节点需要多少轮人机交互,想办法把原来的 10 轮压缩到 5 轮、3 轮,甚至 1 轮。
但我觉得有个问题值得思考。
假设这套流程已经可以全自动执行,那 AI 在内部循环多少轮,其实并没有那么重要。
有时候,AI 多尝试几轮,反而能够交付一个更正确、更有价值的东西。
真正要关注的是,整个过程中人需要介入多少次,以及最终的交付质量怎么样。
如果需求和验收标准都已经明确,AI 理论上就应该能够独立完成中间的执行过程。
我们应该把更多精力放在需求理解和端到端验收这两侧,让 AI 自己去完成中间的工作。
最终要优化的,是一个需求从提出到合格交付,究竟需要消耗多少人的注意力。
然后统计每个节点需要多少轮人机交互,想办法把原来的 10 轮压缩到 5 轮、3 轮,甚至 1 轮。
但我觉得有个问题值得思考。
假设这套流程已经可以全自动执行,那 AI 在内部循环多少轮,其实并没有那么重要。
有时候,AI 多尝试几轮,反而能够交付一个更正确、更有价值的东西。
真正要关注的是,整个过程中人需要介入多少次,以及最终的交付质量怎么样。
如果需求和验收标准都已经明确,AI 理论上就应该能够独立完成中间的执行过程。
我们应该把更多精力放在需求理解和端到端验收这两侧,让 AI 自己去完成中间的工作。
最终要优化的,是一个需求从提出到合格交付,究竟需要消耗多少人的注意力。
♥ 132
↻ 20
💬 29
❝ 5
366 字
