[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Qdrant向量資料庫實作語意相似度比對

作者： -
圖片
什麼是向量資料庫? 在許多的AI實作當中，都有向量資料庫的使用需求。例如RAG(檢索增強生成)、或是資料的相關性比對、相似性搜尋…等，這些應用情境中，我們都會用到向量資料庫。 向量資料庫主要的任務，當然就是存儲和查詢向量數據。被儲存的向量數據通常是高維度的資料，以陣列(集合)的形式呈現。 例如，OpenAI就有提供一組Embedding API，讓我們可以把文字給向量化。你可以透過該 API，把一句話(一段文字)轉換成向量數據，類似底下這樣： OpenAI 的這組 Embedding API，在預設狀況下，會把資料轉成 1536 維度的向量數據，其背後的行為是把文字送給一個訓練好的模型，透過該模型跑出這組向量數據，再回傳給用戶。 然而，把一段文字給向量化的目的是什麼呢? 當我們把文字做了這種轉換後，在 1536 維度的座標空間(向量數據)中，愈相似的文字，透過Embedding API會得到距離愈接近的座標點，藉此，我們得以迅速的判斷兩段文字在語意上的相似性。 而向量資料庫中所謂的查詢功能，主要就是向量的檢索，像是『近鄰搜索（Nearest Neighbor Search）』，當用戶或應用程式提交一個向量查詢時，向量資料庫會幫我們找出資料庫中，與之最相似(接近)的向量座標點。 因此，開發人員只需要透過 Embedding API，把文字轉成向量，再把轉換好的向量座標值，儲存到向量資料庫之中，未來就可以透過向量資料庫來查詢相似(接近)的文字。 關於這個部分，如果讀者有興趣，前陣子有段網路上的影片把多維度向量資料庫的概念介紹的蠻清楚的: https://www.youtube.com/watch?v=W_ZUUDJsUtA https://www.youtube.com/watch?v=ct20Kv8yn0U 為何需要? 向量資料庫最實務上的應用，就是找到類似的特徵值。 例如，當我們把人臉的特徵值以向量資料的形式儲存到向量資料庫中之後，我們就可以透過資料庫本身提供的搜尋功能，快速地尋找出相似的人臉，這也是許多AI應用實現的基礎。 我們底下的程式碼範例，則是找出最接近的問題。(呃…什麼意思?🤔 請往下繼續看) 我們在建立對談機器人時候，常常需要讓機器人回答用戶的問題。這時，我們會讓用戶輸入問句，然後透過 Embedding API
Read more »

使用C#開發LineBot(3) - 使用LineBotSDK發送Line訊息

作者： -
圖片
新版的Line Messaging API，要主動發送訊息給用戶不是很困難，主要是透過Push API，可以參考底下的官方說明 : https://devdocs.line.me/en/#push-message 另外，如果你想申請一個Line Bot，可參考: 關於LineBot (1) - 用c#建立一個LineBot 前陣子說過，我們為了團隊開發方便，做了一個 Nuget Package 以便於讓撰寫C#的開發人員可以方便的進行Line Messaging API的操作。 所以，如果你想要透過該SDK來發送訊息給用戶，可以透過底下的指令: isRock.LineBot.Utility.PushMessage(               UserId, 要傳送的訊息, AccessToken); 別忘了使用前，要先引用linebotSDK這個套件: 當您在.net 4.x的專案中，安裝上述lintbotSDK，即可透過前面提到的指令發送訊息給用戶，但請注意，該用戶必須加你的bot為好友。 你可能在使用時會碰到一個問題，怎麼知道用戶的id呢? 請注意，PushAPI的Line用戶id並非你的line ID，而是一長串項是底下這樣的id: U6OX388eOX3634X2OX2e341OX06b8OX4123 這個ID會在你的用戶跟你的bot交朋友，或是對談的時候，由系統傳送給你所設定的WebHook網址(其本質上是一個asp.net WebAPI或類似的API服務)。你會在Line傳遞給該WebHook URL的封包中的JSON形式資料內獲得。 也就是說，當你的用戶傳訊息給你的Bot，或是與你的Bot做朋友(或封鎖)，你所在你的LineBot後台，所設定的這個WebHook，都會收到這些相關的訊息。其設定位置如下: 訊息內容是以JSON的格式出現。 但是，如果你還不知道怎麼寫一個WebHook，該怎麼辦呢? 寫個WebHook其實很簡單，以asp.net來說，就是寫一個asp.net WebAPI即可。(有空我再說明，但今天比較沒空) (2017更新，WebHook開發方式請參考 這裡 ) 如果你沒空寫，可以先用底下這個工具(注意這個工具 僅限測試使用 ，我們不保證其穩定性與可用性、與資料安全性): http://isbaas.azurewe
Read more »