<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[麦哲思科技]]></title><description><![CDATA[专业、职业、敬业的咨询顾问]]></description><link>https://blog.csdn.net/dylanren</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; dylanren]]></copyright><item><title><![CDATA[CMMI AIM 到底能给企业带来什么]]></title><link>https://blog.csdn.net/dylanren/article/details/168114005</link><guid>https://blog.csdn.net/dylanren/article/details/168114005</guid><author>dylanren</author><pubDate>Fri, 16 Oct 2026 10:15:52 +0800</pubDate><description><![CDATA[CMMIAIM是CMMI在AI时代的升级版，2026年发布，将AI要求融入原有31个实践域，新增8个AI能力域（数据、开发、人员、安全、安保、服务、供应商、虚拟协作），形成“AI体检+改进路线图”。它不规定模型行为，而是规范组织使用AI的流程与责任，推动从零散试点到可复制能力的转变。通过五把尺子（造/用AI、人机分工、八大域短板、成熟度等级、量化目标）帮助企业系统化评估与提升AI能力，实现效率、效益、风险、信任与供应链管理的全面提升。]]></description><category></category></item><item><title><![CDATA[面向 LLM 开发类软件的工作量度量框架]]></title><link>https://blog.csdn.net/dylanren/article/details/165990938</link><guid>https://blog.csdn.net/dylanren/article/details/165990938</guid><author>dylanren</author><pubDate>Sat, 19 Sep 2026 10:52:41 +0800</pubDate><description><![CDATA[本文针对大语言模型（LLM）平台开发工作量估算难题，提出四分类度量框架：规模敏感型代码开发、复杂度敏感型代码开发、配置部署型实施、数据文档型人工整理。该框架区分“输入规模驱动”与“输出复杂度驱动”，兼顾代码与非代码工作，克服传统功能点方法低估风险。通过分类估算与风险储备，实现更精准的项目规划，适用于LLM平台全生命周期工作量评估。]]></description><category></category></item><item><title><![CDATA[写给AI的系统功能规格说明书案例]]></title><link>https://blog.csdn.net/dylanren/article/details/164574376</link><guid>https://blog.csdn.net/dylanren/article/details/164574376</guid><author>dylanren</author><pubDate>Tue, 08 Sep 2026 09:52:36 +0800</pubDate><description><![CDATA[本文档给出了针对应用软件与嵌入式软件的两个系统功能规格说明书的案例。用以指导需求规格说明书的编写。]]></description><category></category></item><item><title><![CDATA[写给AI的系统功能规格说明书模板与填写指南]]></title><link>https://blog.csdn.net/dylanren/article/details/164573772</link><guid>https://blog.csdn.net/dylanren/article/details/164573772</guid><author>dylanren</author><pubDate>Tue, 08 Sep 2026 09:48:22 +0800</pubDate><description><![CDATA[本文档定义了功能说明书的编写规范，涵盖功能名称、触发源、参与者、前置/后置条件、输入输出规约、流程及场景等要素，强调可验证性、避免模糊描述，并提供好坏对比示例以指导标准化编写。]]></description><category></category></item><item><title><![CDATA[写给AI的需求描述——理论框架与实践指南]]></title><link>https://blog.csdn.net/dylanren/article/details/164422404</link><guid>https://blog.csdn.net/dylanren/article/details/164422404</guid><author>dylanren</author><pubDate>Sun, 06 Sep 2026 08:21:14 +0800</pubDate><description><![CDATA[写给AI的需求需将隐性常识转为显式规则；提出四层模型（业务目标、流程、GWT场景、数据契约），测试用例贯穿；以合同管理系统为例展示状态转换表、异常穷举、接口契约及三阶段对话策略；强调用测试用例闭环验证，提升AI代码质量。]]></description><category></category></item><item><title><![CDATA[什么是真正的规格驱动的开发？]]></title><link>https://blog.csdn.net/dylanren/article/details/164403613</link><guid>https://blog.csdn.net/dylanren/article/details/164403613</guid><author>dylanren</author><pubDate>Sat, 05 Sep 2026 20:58:15 +0800</pubDate><description><![CDATA[本文提出面向AI时代的规范驱动开发（SDD2.0），将Spec定义为由Charter、SRS、AC、DoD构成的四层可执行契约。AI直接消费Spec生成代码，依据AC编写测试，按DoD自检迭代，形成从约束到交付的完整闭环，实现AI从代码助手到可交付代码生产者的进化。]]></description><category></category></item><item><title><![CDATA[定义开发一个「目标定义与分解」Skill（GoalForge）]]></title><link>https://blog.csdn.net/dylanren/article/details/164096167</link><guid>https://blog.csdn.net/dylanren/article/details/164096167</guid><author>dylanren</author><pubDate>Wed, 26 Aug 2026 20:03:29 +0800</pubDate><description><![CDATA[目标管理常陷入三个"说不清"：目标定义模糊、拆分凭感觉、达成概率拍脑袋。本文介绍一个名为 GoalForge 的 Skill，用结构化方法解决这些问题——严格走 SMART 定义目标；按「目标→过程→过程度量元→影响因子」三层拆分，避免跳过中间度量元层；用正态分布或三角分布计算达成概率，替代拍脑袋；最终自动生成含彩色目标分解树、因子汇总表和详细定义的 Word 报告。整套流程数据驱动、对话式零门槛，已开源发布在 SkillHub。]]></description><category></category></item><item><title><![CDATA[用契约式设计确保代码的本分]]></title><link>https://blog.csdn.net/dylanren/article/details/164065665</link><guid>https://blog.csdn.net/dylanren/article/details/164065665</guid><author>dylanren</author><pubDate>Tue, 25 Aug 2026 21:55:20 +0800</pubDate><description><![CDATA[如何确保软件实现的功能不多不少，刚刚好呢？契约式设计是解决这一问题的方法之一。它识别功能的前置条件，后置条件与不变量，确保了从输入到输出以及环境的正确性。 ]]></description><category></category></item><item><title><![CDATA[杀价逼创新，创新避价格：商业竞争的生死轮回]]></title><link>https://blog.csdn.net/dylanren/article/details/163627971</link><guid>https://blog.csdn.net/dylanren/article/details/163627971</guid><author>dylanren</author><pubDate>Mon, 10 Aug 2026 10:06:01 +0800</pubDate><description><![CDATA[《商业竞争的双螺旋：创新突围与价格内卷的永恒博弈》摘要： 商业竞争呈现动态博弈的周期性规律：创新开辟增量市场带来超额利润，而价格战则在存量市场中内卷消耗。当行业陷入极致价格战时，往往倒逼出颠覆性技术创新；而任何创新红利终将随技术普及重归同质竞争。特斯拉和SpaceX通过重构行业标准实现降维打击，而功能机价格战则催生了智能手机革命。真正的破局之道在于：1）将价格战视为行业出清机会；2）通过技术复利构建长期壁垒；3）从产品竞争升级为生态竞争。商业的本质轮回揭示：内卷是创新的催化剂，创新是内卷的终结者，唯有持续升]]></description><category></category></item><item><title><![CDATA[如何在调用LLM时节约Token？]]></title><link>https://blog.csdn.net/dylanren/article/details/163626860</link><guid>https://blog.csdn.net/dylanren/article/details/163626860</guid><author>dylanren</author><pubDate>Mon, 10 Aug 2026 09:30:47 +0800</pubDate><description><![CDATA[摘要： 随着AI辅助编程的普及，Token调用成本逐渐成为软件开发的主要支出。本文提供了一套系统性的Token优化策略，通过三大支柱（利用缓存、优化输入、工程兜底）和七种具体场景的实战方法（如对话裁剪、批量处理、结构化输出等），帮助企业将API调用成本降低50%~90%。关键措施包括精简Prompt、启用缓存、模型分级路由、字段缩写等，并强调输出Token的优化（单价更高）比输入更重要。文章还列举了常见误区（如忽视输出成本、滥用重试机制），指出Token优化不仅能节省开支，还能提升响应速度和模型效果，成为A]]></description><category></category></item><item><title><![CDATA[优美的代码是艺术]]></title><link>https://blog.csdn.net/dylanren/article/details/163440377</link><guid>https://blog.csdn.net/dylanren/article/details/163440377</guid><author>dylanren</author><pubDate>Mon, 03 Aug 2026 13:37:12 +0800</pubDate><description><![CDATA[本文探讨了代码优美性在软件开发中的重要性及其实现策略。文章指出，在AI编程时代，虽然代码生成效率大幅提升，但代码质量却面临挑战。优美性包含三个可量化维度：合理的结构设计（如运用设计模式）、消除代码坏味道（如重复代码、长函数等）以及良好的可读性（如清晰的命名和注释）。 通过对比两个PRD解析器的代码示例，文章展示了优美代码如何通过策略模式等设计提高可维护性和扩展性。作者提出四个AI编程优化策略：强制设计模式选择、坏味道检查清单、重构优先原则和可读性量化指标，并分享了可直接复用的AI编程指令模板。 文章强调，优]]></description><category></category></item><item><title><![CDATA[软件的可靠性与健壮性：当世界不如预期时，你的系统还能站住吗？]]></title><link>https://blog.csdn.net/dylanren/article/details/163437239</link><guid>https://blog.csdn.net/dylanren/article/details/163437239</guid><author>dylanren</author><pubDate>Mon, 03 Aug 2026 11:45:44 +0800</pubDate><description><![CDATA[本文通过一个需求工程Agent的失败案例，探讨了软件开发中可靠性与健壮性的重要性。文章指出，正确性只是基础，真正的挑战在于构建能在真实世界异常场景下稳定运行的系统。作者将抗干扰能力分为四层：感知异常、自我修复、隔离故障和优雅降级，并提供了详细的防御策略和工程实践清单。文章强调，可靠性与正确性相辅相成：没有正确性，可靠性无意义；没有可靠性，正确性无法落地。最后，作者提出AI时代更需要关注代码在意外场景下的表现，这才是从&quot;能用&quot;到&quot;可信&quot;的关键跨越。]]></description><category></category></item><item><title><![CDATA[软件正确性=想要的都做了+不想要的没做]]></title><link>https://blog.csdn.net/dylanren/article/details/163421595</link><guid>https://blog.csdn.net/dylanren/article/details/163421595</guid><author>dylanren</author><pubDate>Sun, 02 Aug 2026 23:10:41 +0800</pubDate><description><![CDATA[本文探讨了AI编程时代下&quot;代码正确性&quot;的新定义，指出仅实现需求只是正确性的一半，另一半在于&quot;不做多余实现&quot;。作者将正确性拆解为正向覆盖（该做的都做）和反向约束（不该做的没做）两个维度，分析了AI&quot;多做&quot;带来的隐性成本（如安全风险、维护负担等），并提出四步自动化解决方案：原子行为拆解、需求归属标注、无主行为标记和分类处理。实践表明，这种反向映射虽增加30%生成时间，但能缩短总工期，提升代码质量并降低资源消耗。文章强调应将&quot;保守原则&quot]]></description><category></category></item><item><title><![CDATA[厘清数据管理的三个关键概念：方法、架构与模型]]></title><link>https://blog.csdn.net/dylanren/article/details/163396213</link><guid>https://blog.csdn.net/dylanren/article/details/163396213</guid><author>dylanren</author><pubDate>Sat, 01 Aug 2026 17:13:24 +0800</pubDate><description><![CDATA[摘要：本文系统区分数据管理方法、数据架构与数据模型三个易混淆概念。数据管理方法属于战略层，制定管理规则与流程；数据架构属于技术层，设计系统蓝图与技术选型；数据模型属于结构层，定义具体数据结构。三者呈层级关系：方法驱动架构，架构约束模型，模型支撑方法。典型场景中，方法规定&quot;客户数据必须脱敏&quot;，架构设计加密存储区，模型定义脱敏字段属性。常见误区包括将架构等同于模型，或认为模型能替代管理方法。完整的数据管理体系需三者协同：方法定规矩，架构画蓝图，模型出详图。（149字）]]></description><category></category></item><item><title><![CDATA[管理的管理就是治理]]></title><link>https://blog.csdn.net/dylanren/article/details/163389679</link><guid>https://blog.csdn.net/dylanren/article/details/163389679</guid><author>dylanren</author><pubDate>Sat, 01 Aug 2026 11:33:03 +0800</pubDate><description><![CDATA[《管理与治理的本质区别：从执行到体系的思维跃迁》 本文通过食堂经营、项目管理等生动案例，清晰区分了管理（Management）与治理（Governance）的核心差异：管理聚焦&quot;把事做对&quot;，关注具体执行（如项目进度、数据清洗）；治理则致力于&quot;确保事被持续做对&quot;，通过制定规则、优化体系（如PMO标准、数据治理框架）实现长效管控。文章提出五组对比概念（项目管理/治理、QA/QA的QA等），揭示治理本质是&quot;元管理&quot;——对管理体系的再管理。最终指出，组织从]]></description><category></category></item><item><title><![CDATA[AI编程：做加法易，做减法难]]></title><link>https://blog.csdn.net/dylanren/article/details/163383471</link><guid>https://blog.csdn.net/dylanren/article/details/163383471</guid><author>dylanren</author><pubDate>Sat, 01 Aug 2026 07:40:49 +0800</pubDate><description><![CDATA[本文探讨了AI自主编程中的核心风险——&quot;做减法&quot;问题：AI在按要求完成任务时，常会&quot;顺手&quot;修改未授权内容，导致隐性破坏。文章指出，&quot;做加法&quot;（完成指定功能）是可穷举的，而&quot;不做减法&quot;（不破坏隐式规则）则难以完全约束。作者分析了AI&quot;过度优化&quot;的动因，并提出了五层防御体系：变更范围锁定、调用图差异检测、旧测试回放、强制自述变更和副作用契约。最后强调，真正的AI编程成熟度不在于创造能力，而在于自我克制能力，建议建]]></description><category></category></item><item><title><![CDATA[例解：数据管理方案（Data Management Approach）]]></title><link>https://blog.csdn.net/dylanren/article/details/163296441</link><guid>https://blog.csdn.net/dylanren/article/details/163296441</guid><author>dylanren</author><pubDate>Wed, 29 Jul 2026 10:39:36 +0800</pubDate><description><![CDATA[本文阐述了数据管理方案（Data Management Approach）的定义与核心价值，并通过跨国零售集团和股份制商业银行两个典型案例，详细剖析了数据管理方案在实践中的具体构成与实施路径。数据管理方案是一套涵盖战略规划到落地执行的系统性策略，旨在实现数据资产的有效治理、整合、存储、保护与利用。其核心价值体现在提升决策质量与业务效率、保障合规运营与风险可控、释放数据资产的经济价值三个方面。文章从愿景目标、治理原则、组织架构、技术架构等维度对比了两个案例的异同，并附有英文缩写对照表，为组织构建数据管理体系提]]></description><category></category></item><item><title><![CDATA[如何把一次发布做得稳：对多次 Windows Server 部署的复盘]]></title><link>https://blog.csdn.net/dylanren/article/details/163282822</link><guid>https://blog.csdn.net/dylanren/article/details/163282822</guid><author>dylanren</author><pubDate>Tue, 28 Jul 2026 22:32:08 +0800</pubDate><description><![CDATA[本文总结了一套严谨的软件发布实践手册，核心观点是&quot;开发环境≠生产环境时，所有'理所当然'的假设都是隐患&quot;。作者从七个维度（版本唯一性、数据安全、制品管理、构建一致性、配置契约、业务可用性、可观测性）重新定义了发布成功标准，并针对常见陷阱提出解决方案：制品管理需版本隔离与类型区分、数据备份要以校验为准、检查步骤必须前置到停服前、构建缓存需彻底清理、外部依赖要真实验证。特别强调了Windows/PowerShell的特殊处理、分层验收机制以及故障时的分段回滚策略。最终建议将经验沉淀为自动化门]]></description><category></category></item><item><title><![CDATA[开发一个 QA 智能审计 skill]]></title><link>https://blog.csdn.net/dylanren/article/details/163206597</link><guid>https://blog.csdn.net/dylanren/article/details/163206597</guid><author>dylanren</author><pubDate>Sun, 26 Jul 2026 08:36:57 +0800</pubDate><description><![CDATA[摘要 本文介绍了一个自动化质量审计工具的设计与实现。该工具解决了人工审计过程中文档检查效率低、易遗漏、难复现三大痛点，支持对项目文档进行结构化质量审查。系统采用模块化设计，包含检查单解析、文档解析、扫描匹配和报告生成四个独立模块，支持Word、PDF、Excel等多种格式，并具备文件模糊匹配、覆盖度校验等核心功能。工具提供三种审计模式，能自动生成带明细统计的Excel报告，已在真实项目中验证效果，显著提升了审计效率和准确性。该工具已开源发布。]]></description><category></category></item><item><title><![CDATA[为什么人工测试发现的缺陷不多：Codex、ChatGPT、MASE 与人的协同开发复盘]]></title><link>https://blog.csdn.net/dylanren/article/details/163147907</link><guid>https://blog.csdn.net/dylanren/article/details/163147907</guid><author>dylanren</author><pubDate>Fri, 24 Jul 2026 07:25:06 +0800</pubDate><description><![CDATA[摘要： &quot;磨耳朵&quot;跨平台项目（macOS/Android/iOS/Windows）通过AI协同开发实现低缺陷率，核心在于分工：ChatGPT澄清需求，Codex生成可验证代码，MASE框架约束开发过程，人工则聚焦真实体验（如声学效果、真机交互）。项目将82%反馈归类为需求校准（如语速调整）而非传统缺陷，仅18%涉及功能问题（如进程退出异常）。自动化覆盖逻辑验证，人工重点发现并发竞争、设备差异等机器盲区，并通过&quot;先复现后修复&quot;机制（如进度拖动问题的三层根因分析）提升修复]]></description><category></category></item></channel></rss>