软件开发团队的目标应该是为利益相关者交付一个完美的应用程序。这听起来很好,但当瓶颈突然出现时,接下来会发生什么取决于团队领导如何处理这种情况。
供应链管理平台提供商 Sonatype 的首席产品开发官 Mitchell Johnson 表示,虽然软件开发比传统制造业年轻,但现在对现代企业来说至关重要。他在电子邮件采访中解释说:"尽管制造业经过几个世纪的优化,但软件开发仍在追赶中,尽管它在企业成功中起着基础性作用。随着企业现在在产品创新到运营的所有方面都依赖软件,其重要性是巨大的。"
软件开发公司 Nutrient 的 CTO Matej Bukovinski 表示,消除软件开发瓶颈的最佳方法是优先考虑清晰、一致的沟通,并让整个团队都能看到进展。他通过电子邮件指出:"持续的异步沟通对于频繁更新确实有效,因为它允许团队成员在不打断工作流程的情况下分享进展和下一步计划。"
Bukovinski 表示,诸如每日异步更新、提前安排工作以确保可见性以及维护动态看板等实践将在瓶颈出现时揭示它们。"当你将这些方法与定期团队同步会议结合使用进行深入讨论时,可以创建一个透明和协作的环境,在瓶颈升级之前就能缓解它们。"
"当你专注于早期可见性和协作解决问题时,你培养了敏捷性,使团队能够快速适应和解决问题,而不会降低整体发展势头,"Bukovinski 说。
初步步骤
统计软件开发公司 SAS 的软件开发高级经理 Elliot Peele 建议,消除软件开发瓶颈的最佳方法是尽可能实现自动化。他在在线采访中建议:"如果有一个需要做不止一次的流程,就将其自动化。让软件开发人员专注于编写代码,而不是执行重复性任务。"
Johnson 表示,可靠的自动化对于消除瓶颈至关重要。"当测试、运营或安全性中的手动流程无法跟上代码生成的速度时,现代开发周期往往会停滞不前。"通过自动化依赖管理、漏洞检测和风险修复等关键任务,团队可以在不牺牲质量或安全性的情况下更快地前进。
使自动化高度可用的是可靠、准确的数据基础。Johnson 说,自动化工具的好坏取决于它们所基于的见解,利用从最佳数据中获取的解决方案可确保高置信度的结果。"例如,自动化高置信度的升级和豁免可以最大限度地减少浪费的工作,保持开发工作流程顺畅。"
Peele 说,自动化之所以有效,是因为它将枯燥的任务转移给机器人而不是富有创造力的开发人员。"此外,自动化任务使其更可靠和可重复,因为人类本质上容易出错。"
预防未来的瓶颈
Johnson 说,开发人员可以通过主动维护代码库的质量和安全性在预防未来瓶颈方面发挥关键作用。"使用提供软件供应链洞察的工具、定期更新依赖项以及参与彻底的代码审查,这些都是开发人员可以为实现更顺畅的开发过程做出贡献的方式。"
创建共同责任的文化也有帮助。Johnson 解释说:"通过跨团队协作,开发人员可以识别效率低下的问题并及早解决问题,减少瓶颈在下游进一步升级的可能性。回顾会议和反馈循环等持续改进实践可以帮助团队保持敏捷性并在影响开发周期之前解决潜在挑战。"
Bukovinski 强调团队需要采用由项目管理和沟通工具支持的主动互动习惯。他指出:"这是运营团队在沟通成功中可以发挥重要作用的地方。"共享定期更新确保整个团队了解进展和潜在的障碍,从而在需要时能够快速采取行动。"保持看板或冲刺板更新并尽早推进未完成的工作,确保依赖关系和反馈循环得到高效处理。"
异步沟通还减少了持续会议产生的认知负担,让开发人员有更多专注时间来解决问题。Bukovinski 说:"由这些习惯支持的透明和协作文化帮助团队保持弹性和适应性。"
新兴工具
Peele 说,随着新技术(特别是 AI 工具)的出现,开始考虑使用新方法,如可重用机器人和其他开发人员可以利用的流程来提高速度和效率。"如果你能避免两次编写自动化程序,你就能节省大量精力,避免重复,并构建通用工具来帮助所有人。"
Peele 最后建议:"从简单开始,不要试图用 AI 解决所有问题——你最终会达到那里的。"
好文章,需要你的鼓励
微软在Ignite 2025大会上预览了Windows的重要更新,显示出操作系统向支持AI智能体的根本性转变。新增功能包括原生支持模型上下文协议(MCP)、智能体连接器注册表、明确的权限管控模型,以及独立的智能体工作空间。这些更新建立了OS级别的身份验证、授权和审计机制,让智能体能够安全地执行文件操作和系统设置等任务,同时保持可控性和可追溯性。
华为诺亚实验室等机构联合提出了一种创新的AI训练方法,通过双层优化框架让AI从数据中自动学习评价标准。该方法结合了传统最大似然估计和强化学习的优势,在表格分类和模型驱动强化学习任务中展现出更好的收敛性和泛化能力,为解决强化学习中缺乏明确奖励信号的问题提供了新思路。
苹果即将发布的macOS Tahoe 26.2系统将支持通过雷雳5连接多台Mac设备,构建低延迟AI超算集群。该功能支持Mac Studio、M4 Pro Mac mini和MacBook Pro等设备。四台Mac Studio可高效运行万亿参数的Kimi-K2-Thinking模型,功耗不到500瓦,比传统GPU集群低10倍。此外,MLX项目将获得M5芯片神经加速器的完整访问权限。
中科院自动化所团队发布AVoCaDO系统,这是首个能精准捕捉视听事件时间同步关系的AI视频解说生成器。通过双阶段训练和创新奖励机制,AVoCaDO不仅能识别视频内容,更能准确把握各元素的时间关系,在多个基准测试中显著超越现有开源模型,甚至在某些指标上超过商业模型,为智能视频理解开辟新方向。