麦哲思科技任甲林 - 融管理社区

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

440

文章

735957

浏览

微信扫码关注

基于 OpenClaw+DeepSeek 实现需求评审的技能开发与实践

723

在完成 Skills 需求定义后，通过 OpenClaw 实现代码编程，并开展持续调试优化，过程中针对 AI 的评审遗漏问题进行纠正并反复迭代，持续完善 Skills 开发需求。环境需求描述不完整。：评审前先判定用户指定的模式，若为完备评审，需对所有预设需求元素进行全面检查，未被完备描述的需求元素直接标注为遗漏问题；（2）可以录入名片信息：姓名，公司名称，公司地址，邮编，固定电话，手机，职务，职称，网站地址等。文档缺乏对系统总体功能的介绍，未清晰界定系统范围（做什么/不做什么），也没有描述功能模块的划分。

2026-03-23 发布

AI自动生成代码了，度量功能点还有意义吗？

656

用户可能说“做个电商系统”，但“母婴用品垂直电商”和“全品类电商平台”的功能点规模完全不同——前者需要“育儿知识社区”“母婴用品专属筛选”等功能点，后者需要“多商家入驻”“全品类分类”等功能点，两者的价值差异，正是通过功能点来量化的。无论是项目预算的编制、合同价格的敲定，还是成本的管控，都需要一个明确的基准——功能点，它能精准量化业务需求的体量，让“多少钱办多少事”有章可循，避免因需求模糊导致的报价混乱、预算超支。如果说传统时代，功能点是“有用的工具”，那么AI时代，功能点就是“不可或缺的标尺”。

2026-03-20 发布

数据的三重奏：业务实体、数据对象与属性

620

此时，一个业务实体“订单”对应了两个数据对象——“订单头”和“订单明细”。一份保险合同在业务上无疑是一个整体，但保险公司的业务专员在日常工作中，可能需要独立地维护“合同主信息”（如投保人、有效期）、“合同标的物清单”（如被保的车辆或房产）、“合同受益人清单”（如受益人和受益比例）。此时，业务实体“订单”对应一个数据对象“订单表”，业务实体与数据对象之间是简单的一一对应。理解“业务实体-数据对象-属性”的三层结构，如同获得一把钥匙，既能打开估算模型的黑箱，也能洞见业务与系统协同的底层逻辑。

2026-03-18 发布

从“确定性”到“不确定性”：AI时代的两类工作哲学

495

事实上，工作的核心区别不在于“是否使用工具”，而在于“结果的确定性”——即工作是封闭式的有限解问题，还是开放式的无限解问题。比如“如何设计一款让用户心动的产品”“如何写一篇打动人心的文章”“如何制定企业未来五年的战略”，这些问题没有唯一解，只有“更好”的可能性。在确定性与不确定性的交织中，我们既是规则的制定者，也是意义的创造者——这或许就是AI时代，人类最不可替代的价值。AI的崛起，让我们更清晰地认识到人类的独特价值：不是执行规则的能力，而是定义规则、突破规则、在模糊中寻找方向的能力。

2026-03-16 发布

高效驾驭AI：用7要素法给大模型下达精准任务

553

同时，对于已经归档被退回的文件，可进行修改，删除等操作。针对于产品经理识别的这8项功能，你能否给具体细化：列出每项功能的概述、使用角色、业务流程、处理的业务数据对象及其属性、人机交互的动作序列，包括正常事件流与异常事件流、界面原型。提示词：...（同上背景）...你能否根据这些初步需求帮我细化一下下一个层次的功能列表，功能列表的格式为：模块，子模块，功能项，功能概述。这7要素借鉴了软件工程中描述功能需求的IPO（输入-处理-输出）模式，通过对任务的全方位定义，让AI能够准确理解你的期望并给出高质量的输出。

2026-03-11 发布

如何拆分业务需求为系统功能需求？

805

（按业务事件、操作意图、用户角色、数据生命周期、规则分支切分）进行拆分，我们可以将模糊的业务目标转化为清晰、可执行、可测试的开发任务。在软件开发的整个生命周期中，需求分析是基石，而将模糊、宏观的业务需求，精准地拆解为清晰、可执行的系统功能需求基本单元，则是这一基石中最关键的一步。：一个功能单元执行完毕后，系统应达到一个明确、一致的稳定状态，而不是处于一个中间的、不确定的状态。遵循 VISTA 原则，可以确保我们拆分出的功能单元是清晰、独立且可管理的，为后续的开发、测试和维护工作奠定坚实的基础。

2026-03-09 发布

豆包对伊朗与美国的交战水平的CMMI评级结果！

424

如果用CMMI评价一下美国与伊朗的作战水平，分别是什么级别呢？

2026-03-06 发布

阶段、交付、增量、迭代与里程碑的概念辨析

287

首先看阶段，无论敏捷还是瀑布模型，均会使用“阶段”这一表述，但通常更常用于瀑布模型。迭代则更侧重过程，一个迭代通常对应一个增量，也可能多个迭代共同构成一个增量，反之，一个增量也可以包含一个或多个迭代。在软件研发过程中，敏捷、瀑布等不同模型常会用到阶段、交付、增量、迭代、里程碑等概念，这些术语看似相近，实则各有定义、适用场景不同，理清其区别与关联，能有效提升研发过程的沟通效率与管控精度。其次是交付，这是一个通用性极强的概念，灵活应用于各种研发模型，无论敏捷还是瀑布，只要向客户交付产品，均可称为交付。

2026-02-11 发布

所有的质量问题都是这三个要点

775

真正有效的质量提升，需要找准适配自身的方法，无论是借鉴成熟的质量管控体系，还是优化内部流程、引入高效的检测工具，核心都是要让质量提升工作更高效、更便捷，让每一份投入都能转化为实实在在的质量优势，避免冗余环节、杜绝无效内耗，实现质量与效率的双向提升。同时，市场端的需求倒逼也不可或缺，当市场竞争日趋激烈，客户对产品质量的要求不断提高，能否以市场需求为导向，主动升级质量管控标准，将质量工作从“被动整改”转向“主动布局”，直接决定了质量投入的决心、力度与方向，也奠定了整个企业质量工作的基调。

2026-02-09 发布

AI重构研发：不止是工具革新，更是全维度组织重塑

946

同时，度量的核心不再是“单一数据”，而是“数据背后的效能提升逻辑”——比如，通过分析AI辅助前后的工作数据，判断AI对整体研发效能、质量的提升幅度，进而优化AI与人工的配合模式。而AI的介入，彻底打破了这种固有模式——未来的研发工作，将是“人+AI结对协作”的全新形态。其实仔细梳理会发现，AI给研发领域带来的这五个维度的变化，并不是孤立存在的——文化变革是基础，组织结构变革是载体，流程变革是核心，考核评价机制变革是引导，度量体系变革是支撑，五者相互关联、层层递进，共同构成了AI时代研发工作的全新框架。

2026-02-06 发布