麦哲思科技任甲林
麦哲思科技（北京）有限公司总经理 敏捷性能合弄模型评估师 认证的Scrum Master 认证的大规模敏捷顾问SPC CMMI高成熟度主任评估师 COSMIC MPC,IAC 成员，中国分部主席
471
文章
829736
浏览
微信扫码关注
搜索
三轮自动代码评审，质量持续收敛
58
本文复盘了一个智能文档评审工具的Bug修复与质量提升过程。项目采用前后端分离架构，在修复Word预览失败等表面Bug时，发现深层架构问题——文档解析应迁移至前端。通过三轮"后置四区评审"（聚焦变更单元的四个维度），团队逐步解决严重问题：首轮发现公共模块缺失、CDN无降级等3个严重缺陷；次轮修复后仍暴露null处理等新问题；第三轮最终收敛到零缺陷。核心启示包括：1）多轮评审才能层层深入；2）修复常会引入次生问题；3）结构化评审方法比工具更重要。
2026-05-29 发布
Harness 成熟度模型（HMM）
318
本文提出了Harness成熟度模型(HMM)，用于评估和改进人机协作开发体系的成熟度。模型分为5个等级：L1初始级(零散个人习惯)、L2可管理级(项目级规则)、L3已定义级(组织级标准)、L4量化管理级(数据驱动优化)、L5优化级(AI自驱动演进)。每个等级详细说明了典型特征、核心能力和升级路径，并提供了自评问卷和具体行动指南。该模型帮助团队系统化管理人机协作过程，从无序到有序，最终实现AI辅助的持续优化。
2026-05-28 发布
从OSSP 到Harness：AI 时代的软件过程演进之路
309
本文提出OSSP-PDP-Harness三级管理体系，解决AI时代软件研发流程管理难题。OSSP作为组织级标准流程，统一研发规范；PDP实现项目级柔性适配，平衡标准化与灵活性；Harness将人工规范转化为AI可执行规则，实现可控人机协同。该体系通过组织定标、项目裁剪、规则转化、人机协同四步闭环，融合PDCA持续改进机制，既保障研发质量与合规性，又充分发挥AI效率优势。未来将向智能化裁剪、自适应规则、知识图谱化等方向演进，为AI时代软件研发提供标准化、可落地的过程管理解决方案。
2026-05-27 发布
防止局部代码变更腐蚀全局最优的CMMI实践指南
348
《代码变更防腐指南》摘要：本指南基于CMMI体系，结合人机协同模式，规范代码变更全流程管控。核心要求所有变更（人工/AI生成）必须遵循全局优先、最小变更等五大原则，防止局部修改破坏架构质量。通过PLAN、TS+PI等五大实践域建立三维防腐机制，利用AI自动校验变更合规性，设置质量门禁拦截腐化代码。配套分级管控红线与持续改进机制，将典型问题沉淀为组织资产，实现从预防到治理的全流程闭环管控，保障系统长期可维护性。
2026-05-26 发布
当 Harness 遇上 CMMI
496
AI工程与CMMI的融合：从工具到角色的管理范式转变 随着AI从一次性工具转变为持续参与生产的智能体，其管理需求发生了本质变化。
2026-05-26 发布
软件开发中的三次法则
79
摘要："事不过三"原则强调第三次重复是优化改进的关键节点。在软件开发或AI工程中，当同一问题、错误或操作第三次出现时，应当立即采取重构、自动化、流程优化等措施。这包括代码重构、自动化测试、文档补充、流程改进等具体行动。该原则能有效预防技术债务积累，减少重复劳动，提升团队效率和质量，实现从被动应对到主动治理的转变。
2026-05-24 发布
用CMMI CAR 实践域指导AI进行缺陷修复
453
本文提出Bug-Fixer缺陷修复AI技能，将CMMI CAR实践域引入AI编程场景，实现标准化缺陷治理。该技能通过四级缺陷分级、双线归零分析等机制，构建全流程强制化修复闭环，解决传统AI修复随意化问题。创新性地验证了CMMI体系不仅适用于人类研发流程规范，更能指导AI技能标准化定义。
2026-05-24 发布
AI Skill与传统程序的本质差异
374
本文探讨了AISkill与传统程序的本质差异。传统程序采用"固定数据结构+固定算法逻辑"的刚性模式，确保结果确定性但缺乏灵活性；而AISkill基于"可变数据结构+动态算法逻辑"的柔性机制，能自适应处理非标数据但存在概率偏差。
2026-05-24 发布
写个缺陷修复的skill，提高AI的缺陷修复效率
401
本文介绍了一个规范化的Bug修复流程Skill，旨在提高AI辅助开发时的缺陷修复效率。该流程包含9个关键步骤：1)优先级评估；2)故障定位（确定模块、层面、编写复现测试）；3)识别根本原因（区分出错点和深层原因）；4)用户确认分析结果；5)修复影响分析；6)方案设计（提供两种方案）；7)方案评审；8)虚拟修改；9)单元测试和全局扫描。特别强调必须同时修复表面错误(A)和根本原因(B)，并要求记录经验总结到项目文档。该流程通过结构化分析和双重修复机制，可有效减少反复沟通时间，提高修复质量。
2026-05-23 发布
AI开发四大核心原则
352
AI编码工具虽能高效生成代码片段，但在复杂系统开发中常面临逻辑偏差、架构混乱等问题。本文提出四大核心原则：1）完备规划锁定模块边界；2）分级MVP将系统拆解为最小可测单元；3）增量实现以小步快跑方式开发；4）局部修改避免全局重构。这套方法论通过标准化开发流程，将AI的编码优势转化为工程实践，强调"做加法而非改存量"的开发理念，有效解决AI开发中常见的迭代失控、错误传播等问题，实现从试错编码到规范落地的转变。核心在于用结构化方法约束AI生成，保持项目稳定性和可维护性。
2026-05-23 发布
与AI协同的原则：降低模糊性就是降低返工成本
437
摘要： AI协作低效的核心在于沟通模糊性，而非工具本身。模糊指令导致AI输出偏差，引发反复修改与返工。高效协作的关键是“去模糊化”，通过量化目标、标准与边界，将隐性需求转化为明确指令。具体方法包括：量化角色定位、任务目标、篇幅格式、内容边界、应用场景、逻辑层级及验收标准。遵循1:10定律——前期1分钟明确需求，可节省10倍返工时间。摒弃主观描述，用数字与规则替代模糊表达，实现“指令清晰、输出精准、到手可用”的高效闭环。
2026-05-23 发布
把不确定性交给AI，把确定性交给代码
347
摘要：本文探讨了软件开发中处理非结构化数据的平衡之道，提出"AI处理不确定性，代码处理确定性"的智能系统设计原则。通过三个案例（智能报告生成、多格式报告对比、动态度量规则适配）展示了如何让LLM负责理解模糊输入并结构化输出，而由代码执行固定校验和标准化处理。这种分工既避免了传统硬编码的臃肿维护问题，又克服了纯AI方案的不稳定缺陷，实现了灵活性与稳定性的统一。核心价值在于构建可维护、可迭代的智能系统，其中AI专注语义理解，代码确保精准执行，二者边界清晰又协同增效。
2026-05-22 发布
如何落地“单一职责原则”？
321
摘要： 本文探讨面向对象设计中的单一职责原则（SRP）在AI技能（Skill）开发中的实际应用。通过“五个单一”（目的、触发、输入、输出、变化）标准，提出“动词+名词”组合法作为核心判定工具：一个Skill应仅完成一个逻辑连贯的任务（如“生成PRD”）。Skill可分原子层（小职责）和组合层（大职责），后者可通过调用小Skill实现复杂功能，但需封装独立业务逻辑。文章对比正反案例，指出常见陷阱（如过度拆分或机械编排），并给出三步判定流程，强调Skill设计应像乐高积木一样精准分层，确保职责清晰且实用。
2026-05-18 发布
LLM调用返回值的解析策略
498
《大模型JSON解析的实战避坑指南》摘要：本文针对大模型应用中常见的JSON解析问题，提出了一套完整的解决方案。
2026-05-11 发布
如何开发需求文档质量评分的Skill
511
本文介绍了一种利用AI评价需求文档质量的智能方法。传统人工评审存在标准不一、效率低下等问题，该方案通过5个核心指标（关注内容边界、可验证性、无歧义性、正确性、一致性）对需求文档进行结构化分析。AI能自动识别文档中的需求条目，逐条评估质量，生成包含问题定位和改进建议的详细报告，包括文档等级评定、高频问题词统计和修复清单。该方法将人工从重复性工作中解放出来，使团队能聚焦于业务逻辑和用户体验等核心问题。实施案例显示，该技能能有效识别文档中的模糊表述、量化标准缺失等问题，为需求质量改进提供明确方向。
2026-05-07 发布
与AI结对调试程序的防坑指南
511
《与AI协作的九条血泪教训》 核心痛点在于AI倾向于"见症开方"而非"寻根治本"。
2026-05-06 发布
需求分析核心五要素法
662
本文提出了"核心五要素法"需求分析框架，旨在解决用户需求表达与实际系统构建之间的鸿沟问题。
2026-05-05 发布
需求反讲：让“我讲明白了吗”变成“你证明你理解了”
402
需求反讲是一种创新的需求沟通方式，通过让开发或测试人员主动讲解需求来确保理解一致性。相比传统"需求人员讲-下游听"的单向传递，反讲要求下游人员消化需求后用自己的话复述，并指出疑问点，从而暴露潜在的理解偏差。这种方法源自实践验证，能有效减少开发返工和需求变更。标准流程包括独立研读、反讲会、澄清确认等步骤，强调主动输出和具体表达。关键要点包括：必须用自己的话重构需求、举例说明场景、提出不确定点，严禁照本宣科。实践表明，这种角色反转能显著提升需求传递质量，已在多家企业成功应用。
2026-04-23 发布
别用计算器写诗，也别让诗人算账 —— 论 Skill 与程序的边界与共生
176
摘要：AI开发中程序与Skill的本质区别在于确定性与经验性的管辖权划分。程序是确定性逻辑的忠实执行者，确保输入输出关系固定；而Skill是经验型逻辑的动态调度者，依赖LLM进行灵活决策。架构设计必须遵循"确定性交给程序，经验型交给LLM"原则：若让LLM执行精确运算会产生幻觉，用代码处理语义则会导致维护灾难。最佳实践是构建"脑-手"协作模型，LLM负责意图理解与决策，程序负责具体执行，通过结构化接口确保AI的创造性不逾越确定性边界。
2026-04-23 发布
AI编程的三大痛点及其工作模式
452
文章浏览阅读436次，点赞7次，收藏7次。AI结对编程面临三大核心痛点：遗忘前期约定导致返工（痛点一）、擅自脑补需求细节造成偏差（痛点二）、使用陈旧API引发兼容问题（痛点三）。本文提出20种"懒人友好"工作模式精准应对：通过"回归校验+约束内化"防止遗忘，采用"思路先行+逆向评审"避免脑补，运用"伪代码翻译+红绿蓝测试"规避版本问题。特别推荐三大万能模式（约束内化、回归校验、红绿蓝）可同时缓解所有痛点。这些即插即用的方法无需增加工作量，能显著减少AI编程中的返工成本，
2026-04-20 发布
点击继续加载
热门文章
CMMI 3.0的276条实践中英文对照
​CMMI 3.0在2023年4月6日发布了，包含了31个实践域，276条实践。本文试图把276条实践的中英文对照如下。
敏捷与CMMI的同与不同
CMM我是从1998年开始接触的，到现在大概20年了，自己亲自实施过CMMI，也辅导了很多企业做基于CMMI的过程改进。2013年我成为了CMMI的评估师，后来成为高成熟度的评估师，去年又成为了教员。 敏捷我是2005年接触的，到现在14个年头了，2008年左右也成了认证的Scrum Master, 去年成为认证的大规模敏捷顾问，2018年成为敏捷性能合弄模型的评估师。10多年来...
践行者访谈实录：你真的了解CMMI吗？
CMMI是不是拿钱就能过的认证？CMMI存在的意义是什么？CMMI真的是笨重不懂变通，只会要文档的家伙吗……在《践行者》第5期中，我们邀请到了资深CMMI高成熟度主任评估师——任甲林老师为大家澄清关于CMMI的这些常见问题，和我们一起回顾一下吧。
原因分析必知必会的十大要点
原因分析是对选定的现象进行全面深入的研究，找到现象背后的真正原因与深层次原因，然后采取合适的措施纠正问题、预防问题。如果没有找到真正的根因就采取措施，往往事倍功半，浪费了投入。那么在原因分析时，有哪些成功要点呢？基于我多年的咨询与引导经验，我总结了如图1所示的十个要点。
我说CMMI2.0之管理性能和度量数据
MPM（managing performance and measurement）是CMMI DEV V2.0中实践最多的一个实践域。它将组织级的、项目级的度量实践，以及统计的和非统计的量化管理都融合到了一个PA中。它合并了CMMI 1.3版本中的MA， QPM等过程域的实践。       本实践域在落地时，需要使用到一些具体的量化技术，如：       基本的量化分析方法：  饼图；...