[經驗分享]如何用VS Online及Scrum帶領兩岸三地團隊進行專案開發與管理 - (一)緣起

作者： -
請留意這篇文章是我配合2014年六月底的研討會所撰寫的連續幾篇關於介紹如何透過VS Online以Scrum方式帶領專案團隊進行開發的其中一篇(其餘的會陸續發表)，因此並不完整，閱讀時請務必參考相關的VS Online標籤以閱讀更完整的前後文。

這一篇是先談談整件事情的緣起...

過去，Scrum並不是我主要的興趣，ALM一開始也和我沒有太密切的關聯，這麼多年來，我一向是務實主義者，工作上有用到的技術我才會多少涉獵一下。而過去這十幾年，我專注的大多都是.NET的軟體開發技術，而非ALM或是專案管理(雖然我小時候對管理就有著濃厚的興趣)。

因此，接觸Agile/Scrum，最早要說是因為李智樺(Ruddy)老師的關係。

其實Ruddy老師專研敏捷開發多年，但我一直沒有機會好好跟他聊聊這部分。然而有一次，在海外參與一場大型技術盛會，講的是架構設計，有幸我和Ruddy老師都是講員。

還記得，講完第一堂課之後，Ruddy老師中午吃飯時跟我說：『David，你整場內容都講的非常好...』聽到前輩的肯定，我正準備油然自得，但沒想到...Ruddy老師繼續說了：『但...中間有個地方我覺得不太對，不過你別擔心，我下午場會幫你跟學員說你哪裡講錯...』

OOXXOOXX...這怎麼得了，難得來海外上一次課，就要被Ruddy老師拆台?

因此，我當下就激起奮發之心，由於中午時間已經來不及，當晚拉就著Ruddy老師討論他覺得有爭議的部分...

OK，原來核心問題是對於專案管理和開發流程上的差異，我用傳統的開發流程和管理方法，來闡述架構設計，但Ruddy老師覺得，依照Agile敏捷開發的精神， 則應該是如何如何如何...

有台灣首屈一指的Scrum大師在旁，果然不同，當下如同醍醐灌頂，強灌了20年功力ㄧ般，真氣運行於腦幹與突觸之間，喜悅之情實在是無從言喻。

但，這都還只是別人的經驗，要能夠把別人的功力內化成自己的功力，得要實作才行。

當下我就覺得，接下來我要搞個案子來玩玩。

不玩還好，一玩下去不得了!!! 接下來我們公司所有的項目(專案)，都被我從傳統的waterfall形式，整個改成了Scrum的架構。

累積了信心和經驗之後，接著，我就在我能夠掌握的相關團隊中，將整個流程比較有計畫的實施了起來。一實施下去，確實也發現，果然在台灣/大陸對於專案管理的實務操作上，會與國外的案子和教科書上所描述的略有不同。過程中，我們面對到不少的問題，當然也累積了些許的經驗。

由於我們和微軟一直以來都有著固定的合作，再加上我們的團隊分散於整個大中華區(包含台灣、大陸、和新加坡)，因此我們需要的Scrum工具是一個可以讓遠端工作人員自由的協同運作、且足夠安全又穩定的工具。也因此，毫無疑問的，我們是透過大家熟悉的 Visual Studio Online(VS Online)來進行版控、需求與工作項管理、bug tracking與測試。

過程中VS Online也持續的在改版，從免費試用的測試階段，一路走向正式上市。隨著VS Online完整度越來越高，我們在項目的管理與Scrum的操作上也越趨便利與成熟。

如今，我們終於可以釐清，為何Scrum在這幾年一反常態的異軍突起，透過敏捷開發如何提高開發的質量，更重要的是，提升客戶的滿意度與信任，解決過去台灣(乃至於兩岸華人圈)軟體專案常常收不到尾款、虎頭蛇尾、或是失敗收場的悲劇。

所以，我想把這一年多以來的經驗順手記錄下來。由於網路上關於Scrum的分享已經太多了，所以我盡可能聚焦在透過VS Online的Scrum template來處理團隊開發的經驗以及搭配Microsoft Azure進行雲端開發與架構設計的部分。

不過，既然是經驗，就不一定是100%正確。你知道，鄉民常說：我的菜不一定是你的菜。同樣的，我的情境不可能完全等同於你的情境，我的團隊也不同於你的團隊。所以，您看了之後，在你的環境中，能夠使用多少，就存乎一心了。

為了降低大家閱讀的困難，也減少我打字的時間，因此我盡可能地將這一系列分享簡短，如果讀者有疑問，我再補充，目前規劃的內容大致上如下:

  1. 緣起 - 就是這篇
  2. 幾句話說說Scrum的精神 -  來聊聊我心裡的 Scrum
  3. 帶領團隊走第一步 - Scrum中的角色與做法
  4. 如何使用VS Online的Scrum Template來運行你的專案
    1. 如何建立帳號、專案、以及專案的參與成員(費用如何計費?)
    2. 專案的環境設定(Sprint, 日期, 團隊規劃...etc)
    3. 從feature開始(如何建立Feature? 注意事項?)
    4. 決定Backlog(如何建立Backlog? 注意事項?)
    5. 從Backlog到Task
  5. 關於工作進度、Backlog的life Cycel 與 cumulative flow
  6. 我最在乎的幾個Scrum週期性活動
    1. Planning Meeting
    2. Daily Scrum
    3. Demo Meeting
  7. 如何取得Stakeholders的Feedback
  8. 關於時程預估
  9. 如何面對專案型客戶傳統思維的衝突?
我會先寫上面這些，如果有時間或有需要，我再補其他的部分。

既然是經驗分享，就非常歡迎大家一起討論。你知道，每一種技術、方法，都不可能是放諸四海皆準，隨著應用情境和參與在其中的人，都必須適度的調整。所以你可能無法從這一系列的文章中學習到很標準的專案管理(我也不知道是不是真的有所謂的標準的專案管理技巧)，但你可以參考我們實際發生的經驗，相信或多或少對你會有所幫助。

hope it helps.

留言

張貼留言

這個網誌中的熱門文章

使用LM Studio輕鬆在本地端以API呼叫大語言模型(LLM)

作者： -
圖片
最近上課常被問到，如何在地端環境搭建出大語言模型(LLM)，並且呼叫其API。 一開始我不太理解為何會有這樣的需求(因為在地端自行搭建運行LLM的成本不一定比較低，即便可能比較安全)，但被問多了，也就開始遍尋相關的解決方案，看看有沒有什麼最簡單的方式，可以讓開發人員在地端測試大語言模型? 後來我選擇 LM Studio ，它就是一款設計來運行大型語言模型（LLM）的平台，有個算是挺優雅的整合環境，讓一般 end-user 或開發人員，都可以輕易地在 local 端進行模型的部署和測試。 LM Studio 本身支援多種模型架構和框架，當然，最重要的是，它是免費的。 下載安裝 都很容易，我就不多說。 安裝好之後，你可以看到首頁中已經呈現了許多 Hugging Face上的模型： 這顯然是因為Hugging Face是大部分免費開源模型的集散地。 你可以搜尋自己喜歡的模型，透過LM Studio下載到local之後，就可以直接載入(下圖一)： 隨手設定一下 system prompt(上圖二)，然後，就可以直接對談了。(上圖三) LM Studio會使用你的GPU進行運算(如果有的話)，你會發現，原來有好的設備(GPU)，運行的速度可以如此之快。 Local Server 對於開發人員來說，它還有個超級更友善的功能。 LM Studio本身還提供一個 local server，可以幫你把模型包裹起來讓你直接透過API呼叫該模型的功能，例如： 上圖是我們開啟 LM Studio中 Local Server功能後的結果，你可以透過 localhost 的 1234 port 來呼叫這個被 LM Studio 運行起來的大語言模型。(有沒有發現，我們用的也是 chat/completions API) 透過Postman簡單提供一下 JSON Body: { "model": "LM Studio Community/Meta-Llama-3-8B-Instruct-GGUF", "messages": [ { "role": "system", "content": "你是AI助理，請一律用繁體中...
Read more »

VS Code的字體大小

作者： -
圖片
身為.net developer，這年頭是什麼code都得要會寫的年代。 而雖然我的NB還沒從Windows淪陷為Mac OS，但寫Node.js和Python免不了要用VS Code，這是一種愛的表現。 但歲月不饒人，盡管微臣非常熱於配合，但VS Code預設字體的大小在我還沒錢買大尺寸螢幕的狀況下，實在讓老臣難以適應。當下的第一個反應是什麼? 當然是 Ctrl+滑鼠滾輪往上推…哇靠，沒用。看…這設計…恩，千錯萬錯一定是我的錯。 只好從選單 file –> Preferences –> Settings: 在出來的視窗中，你可以看到 editor.fontsize: 沒錯，改它就行了。改不動? 喔，不好意思，我沒仔細看說明，要copy到右邊是吧，沒問題，copy->paste->modify->Save…搞定。 好簡單啊…連ctrl+(mouse scroll up)都用不到了呢… 咦?這是一篇抱怨文嗎? 沒有，誰說的? 免費的tool我們還有什麼好抱怨的呢…要感恩啦。 啊….對了，如果你還是堅持要使用 Ctrl+滑鼠滾輪，請找關鍵字… "editor.mouseWheelZoom"
Read more »

使用 Dify 建立企業請假機器人

作者： -
圖片
八卦與未來 上個月，前Google執行長Eric Schmidt在史丹福有場演講，媒體關注的是八卦消息(如果你也曾關注，網路上有很多鐵定可以找到)，但我注意到的則是他提到了自己認為接下來 AI(特別是大語言模型) 可能的發展方向，包含: Large Context Window AI Agent Text-to-Action 底下這邊有這一個段落的影片： https://www.youtube.com/watch?v=zl3k1ksFZdY 為何我會關注這部分? 因為上述的三個方向，也是身為開發人員的我，過去這一年，來與LLM打交道後的感想。昨天，我在 twMVC 的研討會分享中，展示了一個其實我過去早做過了N百次的範例，就是企業的請假機器人。(唯一不同的是，這次我幾乎沒有寫任何程式碼) 場景是，員工在家裡生病了，想要透過語音或是app進行請假，你可以看底下這個運行的範例 (git圖檔會循環播放，開始是 『我好像感冒了』)： 用自然語言對談的方式，即可完成請假。 我說過，類似這樣的範例我做過很多次，用 LINE Bot 搭配 C# 做過，用MS Bot Framework 做過，前陣子也用 Semantic Kernel 框架做過，更早期，還沒有AI的時代，我也在EIP和HR系統裡做過。 但我想說的是，這 就是 Text-to-Action 的呈現，也是一個典型的 AI Agent 的例子，它讓我們透過自然語言(可以是語音或文字)，直接命令機器人(Chat Bot、AI 助理、Agent、Assistant …不管你叫它什麼…)幫你完成一件事情(請假、售票、查詢資料、做財務報表、統計圖表、寫程式…etc.)。 這是一直以來人類對電腦最底層的需求與期待。 隨著 LLM 能夠處理和記憶的 Context 愈來愈被放大，AI Agent 所能夠處理的任務就更加的不受限制。 自然語言才是最符合人類直覺的操作 順帶一提，我昨天在研討會中講了一個故事。 有天，你覺得自己需要聘請一位助理，因此上網張貼徵人啟事，沒多久，你找到了一位號稱上知天文、下知地理的高材生，來幫助你更有效率的完成工作。 他什麼都好，唯一的一個小缺點是，你不能直接對這個助理下達指令，你必須用一種只有這個助理看得懂的語法，才能要求這個助理幫你完成特定的工作。這些語法還挺...
Read more »

使用 Dify API 快速建立一個包含前後文記憶的對談機器人

作者： -
圖片
Dify 這個產品我就暫時先不介紹了，它找到了一個挺好的切入點跨入AI Agent市場。讓不喜歡(或不擅長)寫太多 Code 的開發人員，也可以快速的建立一個具有前後文、記憶的對談機器人。 其實若單就設計 Chat Bot 來談，它本質上和 GPTs 有那麼一點點像，你只需要給一個 system prompt ，再加上一點點的資料上傳做為 RAG 的數據來源，就可以生出一隻有模有樣的對談機器人。 但 GPTs 做出來的 Chat Bot 被綁在 ChatGPT 的 UI 裡面，你不容易把它跟 LINE Bot (LINE 官方帳號) 或其它 UI (例如 MS Teams) 串在一起，而 Dify 呢? 則給你了一個 chat-messages API，讓你能很快的實現這個功能，把你在 Dify 平台上做好的 Chat Bot 轉變成可以正式運行的 LINE Bot 或 其它 Bot。 這也是今天我們要介紹的部分。 建立 Assistant 我們先用 Dify 以底下這個 system prompt 建立了一個請假助理： 發佈後，你可以在Dify 內建的 Web UI 上測試： 你會發現，這個 chat bot 已經有著基本的記憶，然後可以依照 system prompt 完成對談和任務。 不要問我在這邊建立出一個假單有什麼用，正常情況下是要直接讓 chat bot 寫入資料庫(例如 HR 系統，直接完成請假)，只是我們還沒談到這一段，這部分以後再展開來談。 chat-messages API 好，透過上面那樣建立一個對談機器人超容易，且內建就有了記憶和前後文的功能。讓開發人員快樂的不得了。跟使用無腦 GPTs 生成術差不多。然而，如果只能在 Web 上用，不能串接 MS Teams、LINE…等介面，做了也是白搭。 但，Dify 貼心的提供了 API，我們來試試看。先Gen個 API Key： 生成了 API key 之後，你只需要透過底下這樣的 rest api，即可進行呼叫： 你會發現，開發人員只要使用單一的這一個 https://api.dify.ai/v1/chat-messages API 即可進行對談。每次只需要透過 query 輸入用戶說的話，response 中的 answer 則是 LLM (Assist...
Read more »

使用 Dify 串接 LINE Bot

作者： -
圖片
一開始寫這篇文章的時候，我有點困擾。 到底這一篇我到底該命名 『使用 Dify 串接 LINE Bot』 ，還是 『使用 LINE Bot 串接 Dify』?? 但我想，反正你應該知道我的意思，本文就是討論如何把兩者串在一起。 如果不熟悉 Dify ，本篇文章的前面還有兩邊文章你可以簡單的介紹了一下，所有連結位置在底下: https://studyhost.blogspot.com/search?q=dify 總的來說(我20年前就這麼說話了，最近有人說AI很喜歡說『總的來說』，但顯然是AI學我的)，我們可以在 Dify 裡面設計一個類似底下這樣的 workflow，他可以是一個簡單的對談聊天機器人，也可以是串接到後端HR請假系統，可以協助企業進行請假的 AI 助理： 顯而易見，使用 Dify 的好處很多。而在這邊它對我們來說，意義上是一個所視即所得的 Chat Bot(AI助理)設計平台，你可以在 Dify 中先把對談流程設定好，並且進行測試。 設計初步完善之後，我們可以透過Dify API來進行串接，例如串接到 Teams Bot或是LINE Bot。API的部分我們之前在 這一篇 介紹過。 由於Dify內建處理了對談前後文與記憶的部分，並且可以直接串接OpenAI的API(或是其它LLM亦可，同時也便於抽換)，這讓我們開發 AI 助理輕省不少。 這也是我覺得 Dify 作為一個 LLMOps 開發平台(Platform)應該算是當之無愧的原因了。 串接到 LINE Bot 那在Dify上開發測試完之後，我們當然希望能夠整合在 LINE Bot(或是隨便其它什麼 Bot)上面。前面說過，由於 Dify 有提供一組API，我們可以透過該API輕易地進行串接，API的部分，我們在先前 這一篇 介紹過。因此，我們底下要更進一步，談談如何實際跟 LINE Bot 整合在一起。 其實架構上不複雜，我們只需要建立一個 LINE Bot 的 WebHook ，並且在其中呼叫 Dify API即可： 也就是上圖中，紅色虛線框起來的這一段。 這部分該如何進行呢? 倒也容易，我們看底下 WebHook 的部分： var responseMsg = "" ; //準備回覆訊息 if ( LineEvent != n...
Read more »