深圳网站设计 深圳市利,购物网站建设课程设计,网络网站排名优化,衡水网站建设怎么做生成式 AI 的潜在应用场景似乎无穷无尽。虽然这令人兴奋#xff0c;但也可能让人不知所措。因此#xff0c;团队在使用这项技术时需要有明确的目标#xff1a;关键是要明确生成式 AI 在团队工作中能产生哪些实质性影响。
在软件工程中#xff0c;一个引人注目的应用场景是…生成式 AI 的潜在应用场景似乎无穷无尽。虽然这令人兴奋但也可能让人不知所措。因此团队在使用这项技术时需要有明确的目标关键是要明确生成式 AI 在团队工作中能产生哪些实质性影响。
在软件工程中一个引人注目的应用场景是需求分析。这是一个常常被忽视但充满挑战的环节如果处理不当可能会带来许多负面的后续影响。
本文描述了我们与一位客户进行的试点项目我们的团队验证了一个假设即利用生成式 AI 创建高质量的用户故事可以缩短交付周期并提高需求分析的质量。在这个案例研究中我们验证了这一假设并解释了我们做了什么以及得出了哪些结论。
方法
确定范围和目标
在选定该团队作为试点后我们与他们举办了一次研讨会确定哪些任务可以通过 AI 支持。我们还与他们合作定义了使用 AI 可能带来的影响。研讨会达成了两个主要目标
1. 找出适合 AI 支持的任务
团队讨论了他们经常进行且伴随一定难度的任务。随后他们选择了部分高价值且 AI 可行性较高的任务。其中一个被选中的任务是需求分析因为团队的工作领域相对复杂开发过程中常常因需求被误解或遗漏边缘情况而返工。 2. 定义假设和预期结果
在研讨会的第二步团队定义了使用 AI 期望实现的目标。以下是需求分析的假设
我们相信使用生成式 AI 来辅助......将导致...我们知道它有价值的标志是...需要监控的风险撰写史诗和用户故事— 减少后续流程中的返工— 更好地满足“完成定义”中的标准— 缩短交付时间— 缩短交付时间从“分析开始”到“完成”— 开发人员对故事的反馈更好— 开发人员的问题和澄清减少— 被阻塞的故事减少— 待办事项列表始终保持充足— 测试中发现的遗漏需求减少— 范围蔓延AI 提供过多的想法— 故事冗长团队迷失在细节中
实施
我们利用服务工具包中的加速器帮助实施 AI 支持。HaivenTM 团队助理 是我们与客户合作时使用的一个加速器它为软件交付团队提供了一个试点生成式 AI 支持的精简方式。在该项目中它为用户提供了集成上下文信息和可重用提示词的 AI 功能。
团队的业务分析师BA和质量分析师QA是主要的工具使用者。他们在各自领域都有丰富经验并在该团队工作了很长时间。在这次试点中他们使用该工具将三个新的史诗需求分解为用户故事。每个史诗都是关于为现有功能增加额外能力的。
收获
上下文是关键
其中一个关键收获是团队需要为 AI 提供多少上下文信息才能让其发挥作用。Haiven 在这方面非常有帮助因为它允许用户定义可重用的上下文描述每次与 AI 交互时都可以调用。这意味着他们不必每次都重复相同的上下文信息。 正如我们之前提到的团队的工作领域相对复杂史诗的目标是扩展现有功能。因此他们最初花了一些时间向 AI 描述领域和架构以便每次与 AI 交互时能够重复利用。这些上下文描述既提供了逻辑和领域语言的总体描述也明确了当前功能的工作原理帮助 AI 进行功能扩展的支持。
这种方法显著提高了结果质量但也表明在他们的情况下前期投入是必要的。类似编程助手使用 AI 修改现有需求比从头设计新功能要困难得多。
用户需要时间适应 AI 支持
最初用户在如何有效地与 AI 互动方面遇到了困难。了解大语言模型LLM响应的非确定性并理解其影响需要一个学习过程。随着时间推移用户调整了对 AI 的期望逐渐适应了将 AI 作为助手而不是一个能够提供完美结果的软件。他们还学会了如何在聊天对话中让 AI 纠正方向当初始输出不准确时进行调整。
开发人员经常报告在使用编程助手时会出现“审查疲劳”因此我们也询问了 BA 和 QA 对审查 AI 输出的感受。他们表示审查这些场景并不太繁琐至少在他们的经验水平下是如此。
很难定量衡量影响
我们发现衡量 AI 在需求分析中的影响比在编程中的影响更难。
这些任务不像编程那样频繁因此对它们的改进难以单独量化。史诗比用户故事或技术任务更难比较因此难以与历史数据直接对比。需求分析质量的一个指标是故事在流程中被阻塞或反复返回的次数因为不完整或不清晰。这类数据通常不会非常细致地跟踪因为那样会让流程和任务看板过于复杂。
尽管如此无法定量衡量并不意味着它没有价值以下关于质量和速度的观察基于 AI 用户在该案例中的估计。
对质量和团队流程的影响
重申一下假设的一部分是使用 AI 进行需求分析会缩短交付周期减少返工并减少因进一步澄清而被阻塞的故事。
业务分析师报告说由于他们的准备更加高效和全面AI 助手使他们在与开发人员讨论时更加自信。他们能够回答开发人员在估算会议中提出的问题不必再进行需求填补。
质量分析师发现一旦上下文明确AI 生成的验收标准和测试场景比他们自己生成的要好。当他们开始测试开发人员的工作时发现的 bug 和返工原因减少了大约 10%因为用户故事定义更好地涵盖了边缘场景。
对分析速度的影响
虽然三个史诗的样本量不足以得出明确结论但团队估计分析时间减少了约 20%尽管创建上下文花费了一定时间。随着上下文创建的优化和上下文的重复
使用未来的时间节省预计会更为显著。
结论与展望
总之这项案例研究表明AI 能够在质量、速度和整体团队流程上带来好处。在该组织中下一步是将这种方法应用于其他团队这些团队的经验水平和流程有所不同以验证是否能重复这些收获并进一步提高效率。
这项经验以及其他 AI 在软件团队中的使用经验再次证实了上下文编排的重要性。
上述团队工作在相对复杂的领域他们发现只有在为 AI 提供了详细的领域上下文描述后AI 才真正有用。对于那些在电子商务或客户数据管理等常见领域工作的团队这一障碍要低得多因为这些领域的模型训练数据通常能广泛适用于相关用例而无需额外的引导。 Haiven 支持半手动的上下文编排并允许重复使用上下文描述团队将领域描述作为提示词的一部分并为助理应用程序编制了相关维基文档的索引。虽然这需要一些设置工作但它仍然是探索 AI 潜力的精简方式。然而我们密切关注软件工具市场的创新以实现更加自动化和智能化的上下文编排从而为客户提供最佳建议帮助他们充分利用 AI。 代码库是应用程序工作原理的最终真实信息。它始终比可能过时或不准确的文档或描述更可靠。在本案例研究之外我们已经与客户一起探索了为 AI 提供代码库上下文的有趣而强大的方式这使得用户能够在不需要理解或浏览代码的情况下提出问题。尽管该团队在此次试点中未使用此类工具但其潜力显而易见尤其是在指定现有功能的更改时。
关注我紧跟本系列专栏文章咱们下篇再续 作者简介魔都架构师多家大厂后端一线研发经验在分布式系统设计、数据平台架构和AI应用开发等领域都有丰富实践经验。 各大技术社区头部专家博主。具有丰富的引领团队经验深厚业务架构和解决方案的积累。 负责 中央/分销预订系统性能优化 活动券等营销中台建设 交易平台及数据中台等架构和开发设计 车联网核心平台-物联网连接平台、大数据平台架构设计及优化 LLM Agent应用开发 区块链应用开发 大数据开发挖掘经验 推荐系统项目 目前主攻市级软件项目设计、构建服务全社会的应用系统。 参考
编程严选网 本文由博客一文多发平台 OpenWrite 发布
