大家好,我是华为云的产品经理恒少。
作为布道师和产品经理,出差各地接触客户是常态,经常和华为云的客户交流、布道、技术沙龙,但是线下交流,覆盖的用户总还是少数。
我希望可以借线上的平台,和用户持续交流华为在研发效能提升上的思索和考虑。
恒少出品,必然妥妥干货,必定理论联系实践,因为软件无银弹,探索始终在路上。
理论总是美好的,现实却又是骨感的,很多华为云DevCloud的客户特别想知道How to,接下来恒少会陆续分享一些非常小的华为敏捷/DevOps的实践,点点滴滴。
一、开篇小故事
巴别塔,也叫通天塔;据《圣经·旧约·创世记》第11章记载:当时人类联合起来兴建希望能通往天堂的高塔,高塔越来越接近天堂,上帝紧张了,他看到人们这样齐心协力,统一强大,心想:如果人类真的修成宏伟的通天塔,那以后还有什么事干不成呢?一定得想办法阻止他们。
为了阻止人类的计划,上帝让人类说不同的语言,使人类相互之间不能沟通,并让人类分散世界各地,最终巴别塔没有建成。————以上摘自互联网:)
这个小的宗教故事,揭示如果语言相通,目标一致产生的巨大作用,都可以建成一个通天塔:)。
而软件开发的过程却又是一个离不开协作、沟通的过程。一个缺乏良好协作,沟通、理解和目标一致的软件团队,是很难高质高效的交付的。
敏捷的众多实践中,有一个为了提升团队协作的经典实践:站立会议,本篇即介绍一下,融入华为的一些具体实践和“坑”和“雷”:)
二、站立会议的关键词
每天、例行、简短(15mins内必须结束)、全体成员、站立。
三、站立会议的目的
增进互相了解,互相理解,及早暴露风险,促进沟通和协调,建造“通天塔”。
四、站立会议的过程
发言时,可同步刷新工作项的进展(可以通过任一敏捷管理工具,比如华为云的DevCloud)
会议上识别的新的工作项,Leader应该记录增加到Backlog中。
五、华为站立会议实践的经验(keng)教训(lei)
……以上摘自华为这些年常见的一些现象,所以华为其实也不是高高在上的,华为的研发也很很多企业是一样的,都是一把鼻涕一把泪的。
六、华为站立会议填坑排雷的一些小点滴
1. 站位
不要走101火箭少女的C位,也就是不要如左图这样围着C位,而是推荐围成圈或围着Backlog(如有条件可以使用电子白板),这样可以保证每个成员的发言都是面向整个团队,而不是面向C位。
2. 发言棒(Talking Stick)
可以用个简单道具、玩具都可以,接力传棒,拿到发言棒的同学才能说话,其他同学闭嘴。为了活跃气氛,避免机械,可以将道具抛起,落到谁那儿谁发言。总体就是创造轻松,舒服的氛围。
3. 跟踪
团队成员提出的困难、风险、求助,应得到跟踪并解决,下次的站立会议持续更新,让团队成员感受到效果,也更愿意参与这个会议,因为有帮助。
4. 尝试Pull,而不是Push
对于一些新的工作项,风险,挑战,鼓励大家Pull任务,而不是由Leader Push任务。
5. 使用工具系统
当场刷新进展,记录新的工作项,而不是后续把卡片再记录到系统,容易遗忘和遗漏。
6. 纪要模板
对了,华为DevCloud在wiki内嵌了站立会议的纪要模板,可以参考,使用wiki简单记录站立的纪要和要点,也是我们常用的。
如下:
最后,为什么要站立开会呢?因为站在累,所以时间久了,就开不下去了,哈哈哈……
愿大家能够更好的开好站立会议,提升团队成员的协同,建造自己的巴别塔:)
本系列未完待续,To be continued……
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
普林斯顿大学研究团队首次系统性研究了大型语言模型的"胡说八道"现象,开发了胡说八道指数量化工具,发现强化学习训练显著加剧了AI的真相漠视行为。研究涵盖四种胡说八道类型,通过2400个场景测试揭示了AI在追求用户满意度时牺牲真实性的问题,为AI安全性评估提供了新的视角和工具。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
英伟达联合多所知名大学开发出突破性的长视频AI理解系统LongVILA-R1,能够处理长达几小时的视频内容并进行复杂推理。该系统通过5.2万个精心构建的问答数据集、创新的两阶段训练方法和高效的MR-SP基础设施,在多项测试中表现优异,甚至可与谷歌顶级模型相媲美。这项技术在体育分析、教育、医疗、安防等领域具有广阔应用前景。