当前位置:首页 > 报告详情

肖然-构建提质增效的研发飞轮.pdf

上传人: 张** 编号:179043 2024-10-25 17页 2MB

1、中国DevOps社区峰会 2024 上海构建提质增效的研发飞轮肖然 Thoughtworks目录GenAI 开启研发提质增效新时代1BizDevSecOps打造提质增效飞轮2Platform Engineering 新基建3Thoughtworks研发效能转型框架4软件工程的演进随着新技术浪潮的演进,软件工程也经历了如下的四个关键阶段:1)野蛮生长、手工作坊的无序工程时代2)标准规范化流程(如ISO9001、CMMI)的系统工程时代3)云计算飞速发展数据大爆炸以后的平台工程时代4)大模型技术突破后,当下的AI赋能平台工程时代野蛮生长System-less软件驱动System of record

2、数据驱动System of engagement智能/AI 驱动System of intelligence无序的工程系统工程平台工程AI 赋能的平台工程来源:Thoughtworks 人工智能+时代的研发范式演进软件工程的变与不变 1开发范式转变 从工程师主要编写代码 转变为 通过模型生成代码 从机器语言编程 转变为 使用自然语言提示编程 从面向对象编程技术栈 转变为面向大模型、深度学习的技术栈 企业应用从以逻辑和过程为主转变为以具有自主能力的AI Agent为主 业务对企业应用的期待,转变为 AI Agent First 从GUI图形界面交互,转变为 融合GUI和CUI、多模态融合的交互模

3、式 2交互范式转变 3运营范式转变 软件研发流程从双模,转变为 更多模态(如从需求到原型到可工作软件)从治理软件系统为主,转变为 治理大量的AI Agent 研发交付团队趋向更小型的全栈团队;研发组织整体人才结构从金字塔结构趋向转变为纺锤形结构(对简单编码任务的人员需求将大幅减少)1知识转化过程 软件工程还是需要将人类在各专业领域的深厚经验和知识体系转换成机器可识别与利用的形态 如何在组织内部进行高效的知识转化,依然是软件工程的核心命题 代码是一步步长出来的,软件的复杂性及熵增始终存在 问题定义和方案设计能力依然是软件工程的核心能力,具体如理解问题本质;对业务需求的理解、分析和拆解;对复杂系统

4、的快速理解、架构设计和决策、设计取舍等 2问题定义和方案设计能力 3规模化后的复杂治理 软件研发系统和团队的规模整体的复杂度依然存在,甚至随着技术栈的多元化会日趋复杂 对于大规模软件系统,架构、规范、安全的治理依然是规模化科技组织的工作核心变不变GenAI使能的提质增效新视角https:/china.architecture2030.org/大模型给我们打开了一条通往“工程标准化”的新通道!GenAI使能的提质增效新视角BUILD THE RIGHT THINGUnderstandDefineImprovement opportunityMarket opportunityConsumer n

5、eedAs-isFunctionalityUnderstandRun&Evolve(as required)Deliver&RunEvent,incident and problem managementHow do we think this idea will make things betterHypothesiseDiscardBuild/EvolveCapabilityPlanningIterationsMeasure&FeedbackExploreTest&LearnShort feedback loop to validate intended customer valueSer

6、vice monitoring,patching&proactive activitiesWhats the smallest valuable thing we can build?MVPUser researchPrototypingTech SpikesMockupsLearnSufficient detail for technical solution and user and business needsInceptRapid execution through continuous integration&continuous deliveryImprovements,Enhan

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要探讨了软件工程在新技术浪潮下的演进,特别是在人工智能技术推动下的研发范式变革。文章指出,软件工程经历了从无序到系统化,再到云计算和数据大爆炸时期的平台工程,以及当前的大模型技术突破后的AI赋能平台工程四个阶段。核心能力的转变包括开发范式的转变,如代码生成、自然语言编程、面向大模型和深度学习技术栈的开发;交互范式的转变;以及运营范式的转变,如研发流程的多模态融合,以及治理大量的AI Agent。 文章强调了知识转化过程的重要性,以及在组织内部进行高效知识转化的必要性。同时,提出了Platform Engineering的概念,即构建和维护软件应用和服务底层基础设施的实践,以提供自助式组件和服务,加快开发和部署效率。 关键数据包括Google在2024年的开发人员约27000+,以及其工程生产力团队约2000+人,占开发人员的7.4%。 文章还提到了BizDevSecOps成熟度标准,这是一套端到端的评估体系,旨在评估和提升业务、研发、安全和运营的整体成熟度。最后,文章强调了以人为本的原则,在AI应用中寻求标准化,并提出了构建研发平台、质量工程、资产建模、价值建模等一系列提升研发效能的策略和方法。
"GenAI如何推动软件工程标准化?" "Platform Engineering如何提升研发效能?" "BizDevSecOps成熟度标准如何助力企业提升?"
客服
商务合作
小程序
服务号
折叠