文章摘要
【关 键 词】 AI在Scrum、AI助手、语言模型、代码生成、AI工具
在Scrum.org首席运营官Eric Naiburg的文章“AI as a Scrum Team Member”中，他探讨了人工智能（AI）如何作为Scrum团队的一员，提升Scrum Master、产品负责人和开发人员的生产力。Naiburg将AI工具比作配对编程中的合作伙伴，通过集成大型语言模型（LLM）的AI应用，减轻Scrum团队关键角色的认知负担。例如，AI可以作为Scrum Master的助手，提供团队促进、绩效和流程优化的建议。Naiburg还展示了AI如何帮助开发人员分解和理解用户故事，以及简化原型设计、测试、代码生成、代码评审和测试数据综合等环节。
Thoughtworks的全球AI辅助软件开发负责人Birgitta Böckeler在她的文章“Exploring Generative AI”中，分享了在工程领域应用大型语言模型的实验性见解。她专注于开发人员的角色，分享了如何利用LLM加快开源项目的采用过程，以及交付遗留软件项目的用户故事。Böckeler使用了一个采用RAG（检索增强生成）的LLM，模型能够根据Bhamni维基的内容提供深入的见解。她还使用了Bloop和Github Copilot这两个工具来帮助理解代码，尽管这些工具提供的代码线索不是100%准确，但总体上是有用的。
TitanML的联合创始人兼首席执行官Meryem Arik在InfoQ博客节目中提到，将结合了RAG的LLM作为“研究助理”是企业中最常见的应用案例。Arik讨论了采用一系列定制的开放模型解决方案所能带来的隐私保护和领域专业化的好处。
Böckeler在探索自动代码生成器的潜力时，尝试使用Autogen构建基于LLM的AI智能体来实现跨框架测试迁移。她的智能体“至少成功运行了一次”，但也“失败了很多次”。InfoQ报道了Upwork研究所的一项研究，该研究基于样本得出的结论是AI工具实际上降低了生产力，有39%的受访者表示“他们花费在审查或管理AI生成内容上的时间更多了。”Naiburg强调，重要的是要确保团队专注于创造价值，而不仅仅是关注AI工具的输出。
Böckeler在回顾她与Autogen的实验时，提供了一个重要的提醒，即这项技术在“特定的问题领域”内仍然具有其价值。她认为，智能体在能够解决我们向它们提出的所有编码问题之前，还有很长的路要走。然而，重要的是要认识到智能体在哪些特定的问题领域能够为我们提供帮助，不要因为它们并非全能的通用问题解决能手而完全否定它们的价值。
此外，文章还提到了AICon全球人工智能开发与应用大会·上海站的成功举办，以及即将在上海举办的QCon全球软件开发大会，这些会议将深入探讨AI相关的话题和实践案例。
原文和模型
【原文链接】 阅读原文 [ 1863字 | 8分钟 ]
【原文作者】 AI前线
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★☆
