本文內(nèi)容來源：優(yōu)普豐AI敏捷創(chuàng)新培訓與咨詢機構 申導在「2025北京敏捷之旅」分享《當Scrum Master遇上LLM：智能體時代的敏捷范式革命與“AI員工”進化論》

本文含演講實錄、演講視頻回放

大家上午好！感謝漂亮的主持人。剛剛我拿的這本書是《Clean Agile》的全新翻譯版，由天津、北京及上海敏捷社區(qū)的伙伴們聯(lián)合重譯，此前的版本是由我和熊節(jié)、羅濤共同翻譯的。

這本書的核心作者是Uncle Bob，作為敏捷發(fā)起者之一，他的理念核心就是“正本清源”——當初我們想把這個作為副標題，出版社認為攻擊性太強，但事實確實如此，如今敏捷的范疇被過度擴大，需要我們回歸本質(zhì)。

今天我想和大家分享近一年來的從業(yè)心得。我本身深耕敏捷咨詢培訓領域，曾在企業(yè)內(nèi)部推動敏捷推廣、擔任敏捷教練，至今已有20年時間。剛才在現(xiàn)場發(fā)現(xiàn)不少同學是優(yōu)普豐AI敏捷創(chuàng)新培訓咨詢機構的CSM學員，應該對敏捷的核心手勢很熟悉。

前面的老師提到“敏捷已經(jīng)死了好幾回了”，還調(diào)侃這次是不是該“死透了”，但我想說，敏捷沒死，反倒是編程快死了——當然下午也會有老師會分享編程相關內(nèi)容，看看他們能不能“救活”它。

現(xiàn)在行業(yè)內(nèi)確實存在一個現(xiàn)實：不少敏捷從業(yè)者，包括Scrum Master、敏捷教練，都轉(zhuǎn)行去賣保險了。休息室里的交流也印證了這一點，行業(yè)寒冬真實存在，但這不是敏捷的問題，而是全行業(yè)的普遍困境。

在這樣的背景下，行業(yè)正經(jīng)歷大浪淘沙、去蕪存精的洗牌過程。我始終認為敏捷精神從未消失，在大模型時代、AI時代，它正以新的范式、新的面貌煥發(fā)新的生命力。

過去一年，我除了繼續(xù)推進敏捷培訓、企業(yè)咨詢（包括業(yè)務敏捷咨詢），也在積極探索AI產(chǎn)品實踐，不管是個人主導的小工具還是大型產(chǎn)品都有嘗試，同時也觀摩了不少企業(yè)客戶的AI應用案例，今天就把這些思考和實踐分享給大家。

今天的分享主要分為五個部分：

1. 敏捷的危機與天時
2. AI適合解決的問題
3. 多智能體與AI員工
4. 如何管理“AI hybrid-人機混合團隊”
5. 總結與展望

一、敏捷的危機與天時

首先我們來看當今時代的特點。

以前我們談論敏捷，聚焦于迭代周期的縮短。我在諾基亞電信任職時，迭代周期是4周，后來縮短到2周；前兩天還有客戶團隊和我掰扯，說2周做不完，想改成3周。

但放在當下，這個討論已經(jīng)沒有意義了，因為AI的速度早已顛覆認知。最新的Gemini-3-Flash模型，每秒能處理218個Token，大約相當于200個單詞或200個漢字。大家可以想想，自己一秒鐘能說200個字、寫200行代碼嗎？顯然不能，但AI可以。

這極大地加速了執(zhí)行效率，而學過敏捷的同學都知道，敏捷的核心是快速驗證、快速迭代，當執(zhí)行速度倍增，迭代驗證速度自然也會隨之加快。

但這里有個關鍵前提：如果敏捷只關乎“快”，那人類已經(jīng)輸了，我們不能和機器拼速度，而要找到人類的核心價值。

雖然編程正逐漸被AI替代，但AI本身已成為國家戰(zhàn)略重點——“十五五”規(guī)劃明確提出要加速人工智能技術產(chǎn)業(yè)化應用，推動傳統(tǒng)行業(yè)智能化轉(zhuǎn)型。

從技術成熟度來看，Gartner 2025 AI技術成熟度曲線顯示，生成式AI高達52億美元的市場正從“期望膨脹期”進入“生產(chǎn)力平臺期”，國內(nèi)的騰訊、火山、阿里等巨頭也躋身全球挑戰(zhàn)者陣營。

更重要的是，我們正迎來“建設權的民主化”，這是一個巨大的時代機遇。以前在企業(yè)里做業(yè)務、做產(chǎn)品，必須找IT部門、找程序員編程，不僅成本高，還常常出現(xiàn)需求溝通不暢的問題，業(yè)務方抱怨程序員聽不懂需求，程序員吐槽業(yè)務方描述不清晰。但現(xiàn)在有了AI，只要你能說清業(yè)務需求，就能直接讓AI構建出系統(tǒng)，這就是AI平權，人人都能快速構建屬于自己的產(chǎn)品。

當編程能力越來越不值錢時，邏輯思維和業(yè)務梳理能力就成了核心競爭力。用Scrum的話說，就是PO的重要性將超越Developer，而這恰恰是在座敏捷從業(yè)者的優(yōu)勢所在。

同時，Scrum Master或敏捷教練的管理對象也將改變，不再是3-9人的傳統(tǒng)小團隊，而是人機混合團隊，管理思維和范式必須隨之升級，這是新時代的召喚。

基于這樣的行業(yè)變革，今年5月，杭州RSG中國敏捷嘉年華大會上，我和熊節(jié)、徐昊、李國彪等老師共同成立了“AI雪鳥會”。這個名字借鑒了2001年敏捷宣言的誕生地——美國猶他州雪鳥鎮(zhèn)，我們的核心使命是推動信息系統(tǒng)建設權的民主化，讓AI技術從云端走向?qū)嶓w經(jīng)濟，服務于千行百業(yè)的真實場景和個體需求。我們希望不僅讓更多人“使用”AI，更要賦予每個人“建設”“創(chuàng)造”AI應用的能力，即便他們只有基礎教育背景。

基于AI平權的趨勢，我提出了“賽博共產(chǎn)主義”的概念——在賽博世界里實現(xiàn)按需生成、無限共有。

傳統(tǒng)軟件開發(fā)就像工業(yè)流水線，需求分析、設計、編碼、測試、部署每個環(huán)節(jié)都需要專業(yè)人員，還有人固守瀑布模型，覺得先做全需求分析、再開發(fā)編碼測試的模式很好，但這種模式早已過時。那些只會寫CRUD（增刪改查）的程序員，尤其是開發(fā)各類管理系統(tǒng)的程序員，將成為第一批被淘汰的群體，因為AI在這類工作上做得更快、更好。

軟件開發(fā)正從“應用工廠”轉(zhuǎn)向“按需生成”，以前是“私有制”的預制應用，現(xiàn)在是“共產(chǎn)主義”的按需獲取，只要你有想法、有創(chuàng)意、有業(yè)務需求，就能立即構建系統(tǒng)，用完即走。

未來的軟件不是被“開發(fā)”出來的，而是被“生長”出來的。

二、AI 適合解決的問題

可能有朋友會問，AI真的能解決所有問題、構建所有產(chǎn)品嗎？這里給大家分享幾個最新案例。

左上角是上個月谷歌推出的Gemini 3的Demo，它能按需生成軟件界面，每個人都能獲得個性化界面，不一定是傳統(tǒng)的下拉框、按鈕，也可能是圖形化展示，完全適配個人需求。

左下角是曾經(jīng)上過新聞的豆瓣手機，它能控制所有APP，無需再單獨打開美團、淘寶等應用，只要說出需求（比如“中午點外賣送到維也納酒店”），它就會自動跳轉(zhuǎn)各類APP完成查詢、下單，也正因為這樣，它被所有APP廠商集體抵制，畢竟這切斷了他們的開屏廣告和貸款業(yè)務收入。

右側是阿里推出的“靈光”APP，主要面向有小孩的家庭，比如家長說“做個少兒英語拼讀小應用，分高中低三檔”，它就能立即生成一個小貓拼詞的界面，從功能到界面全流程生成，無需找程序員，也不用花錢，這就是未來軟件的形態(tài)。

再給大家分享幾個企業(yè)級的AI應用故事，這些案例的共性都是解決過去非規(guī)則化、難以用傳統(tǒng)編碼解決的問題。

第一個案例是加拿大的電工行業(yè)，電工工作高度依賴經(jīng)驗，且有嚴格的合規(guī)要求，比如管道間距、埋線深度、接地標準等，相關合規(guī)文檔厚達900頁，全是法律文書式的描述，即便讀完也難以判斷是否合規(guī)。

傳統(tǒng)做法是靠老電工現(xiàn)場指導新電工驗證，但我們通過AI技術解決了這個問題：現(xiàn)場施工完成后拍照，AI識別圖片中的電線、管道等物體，再利用超強的閱讀理解能力，自動核查80%的合規(guī)項。這種非規(guī)則化的合規(guī)檢驗問題，傳統(tǒng)的增刪改查編碼根本無法解決。

第二個案例是某IT企業(yè)的嘗試，他們想做一個將Figma設計圖直接生成前端代碼的工具，功能確實實現(xiàn)了，但沒人用。核心問題是大家不愿意改變使用習慣，而且不知道在對話框里說什么才能精準生成所需內(nèi)容。雖然這個嘗試不算成功，但方向是對的——由文生圖、由圖生成前端代碼是未來趨勢。

第三個案例是我的一個外資制造業(yè)客戶，他們最近為銷售部門上線了一款AI助手。作為零配件供應商，銷售需要給客戶送樣，而樣品參數(shù)繁多，銷售常常記不清。AI助手能從海量樣品庫中快速匹配合適的樣品，還能調(diào)取其他客戶的成功案例生成報告，極大提升了中標幾率，上線后獲得了銷售人員的一致好評。

這三個案例的核心共性的是，它們解決的都是非規(guī)則化、難以用傳統(tǒng)規(guī)則（if-then）描述的問題，這類問題我們稱之為“無限游戲”，沒有明確邊界和規(guī)則，而這正是AI最擅長的領域。

李開復曾說“AI時代值得把所有應用都重新用AI做一遍”，但我并不認同，如果只是重新做一遍增刪改查系統(tǒng)，沒有任何增值意義，只有解決過去未解決的問題，才能創(chuàng)造新價值。

三、多智能體和AI員工

很多人說“人不會被AI替代，因為人有同理心”，但我不完全認同。現(xiàn)實中，員工罵老板、家人之間互相抱怨的情況很常見，很多人其實缺乏同理心，和人溝通反而更費勁。

相比之下，和AI溝通可能更輕松，但前提是你能把話說清楚。很多人抱怨AI“胡說八道”，其實問題出在提示詞上——就像業(yè)務方丟給你一句“我要一個五彩斑斕的黑”，你也無法準確執(zhí)行。

我總結的基本提示詞技巧就是：心平氣和地把話說清楚。發(fā)脾氣沒有用，AI就像一面鏡子，能折射出你是否能清晰表達需求，也是鍛煉耐心的好訓練場。

回到敏捷視角，提示詞其實和需求分析、用戶故事很像，核心結構包括三個部分：一是角色設定，明確你希望AI扮演什么角色；二是目標設定，說清你要做什么、期望達成的結果；三是驗收邊界標準，明確輸出的質(zhì)量要求和范圍，再加上足夠的素材，就能獲得優(yōu)質(zhì)的回應。而且大模型迭代速度極快，上半年解決不了的問題，下半年可能就迎刃而解了。

（添加小智，輸入暗號“AI秘笈”，獲得提示詞模板）

對于Scrum Master或PO來說，日常工作中有很多場景可以借助AI提效，比如拆分用戶故事、工作量估算、會議總結等，這些都能通過簡單提示詞快速完成。

但僅靠簡單提示詞還不足以發(fā)揮AI的全部威力，于是我們提出了工程化方法——提示詞工程（Prompt Engineering）。

大家看這個提示詞工程的循環(huán)圖，是不是和敏捷或設計思維的循環(huán)很像？和AI對話應該是多輪迭代的過程，每次根據(jù)輸出結果調(diào)整提示詞，人、機共同優(yōu)化，才能達到最佳效果。從這個角度看，敏捷思維不僅沒死，反而在AI時代找到了新的應用場景。

不過到了下半年，我們發(fā)現(xiàn)提示詞工程仍然不夠，AI應用已進化到“智能體”階段，2025年被稱為智能體元年，如今已接近尾聲。

什么是智能體？它不僅能響應提示詞，還具備記憶功能（記住過往對話和操作）、工具調(diào)用功能（比如調(diào)用網(wǎng)絡搜索、文件系統(tǒng)，甚至連接物理世界的傳感器），是真正能與物理世界交互的“機器人”，而不只是存在于文字層面的工具。

可能有同學剛聽說“智能體”（英文Agent）這個詞，其實現(xiàn)在最新的概念是“多智能體系統(tǒng)”（Multi-Agent System），就像多個專業(yè)人員協(xié)作一樣，不同智能體各司其職，有的負責寫代碼，有的負責測試，有的負責部署，它們之間需要編排、調(diào)度和協(xié)作機制。

大家可能會擔心“這需要編程嗎？”，答案是不需要，接下來我會告訴大家如何用自然語言構建智能體。

有了智能體，我們就能打造“AI員工”。今年“一人公司”的概念很流行，尤其是從企業(yè)離職的朋友很多想嘗試自主創(chuàng)業(yè)，但其實我們不用做“一人員工”，而是可以擁有多個“AI員工”。

那么在AI大潮中，我們該做什么才能獲利？很多人做AI生圖、改頭像等小工具，發(fā)布到網(wǎng)上想盈利，但這種項目重運營，人人都能做，根本賺不到錢。我把AI相關的創(chuàng)業(yè)方向分為三個層級，大家可以朝這三個方向努力：

• 第一層是“助手”，核心是提高效率；
• 第二層是“顧問”，核心是提供洞察；
• 第三層是“教練”，核心是改變行為。

我目前也在這三個方向上積極嘗試。

先看第一層“助手”的案例。

第一個是自媒體圖文生產(chǎn)，很多人失業(yè)后想做小紅書、公眾號、視頻號，但做過的都知道很繁瑣，想腳本、剪視頻、發(fā)布，耗時耗力，結果觀看量還很低。

其實我們可以把重復性工作交給AI，只把精力放在創(chuàng)意和話題構思上。今天是冬至，我就做了一個嘗試：給AI一個“農(nóng)歷新年冬至”的標題，它不僅生成了小紅書風格的文章，還自動生成了文生圖的提示詞，用這個提示詞就能生成配圖。我甚至通過Selenium這個自動化工具實現(xiàn)了全流程自動化——調(diào)用瀏覽器、自動登錄小紅書、粘貼內(nèi)容發(fā)布，我只需要輸入主題即可。

不過這個過程中需要“人機回環(huán)”，比如生成的配圖中文字有誤，這時候就需要人介入決策，讓AI重新生成，這也是智能體必須具備的功能。

第二個“助手”案例是編碼助手，現(xiàn)在有很多成熟的工具可以使用，下午參加編程工作坊的同學應該都有接觸，這部分技術已經(jīng)很成熟，我就不多展開了。

另外，今天我這份演講的PPT，部分內(nèi)容也是AI生成的，最初的大綱讓AI梳理了4個版本，之后我用自己做的小智能體、Gamma工具、阿里千問和豆包分別生成PPT，發(fā)現(xiàn)Gamma工具的效果最好，文字結構和生圖都很出色，我做的次之，千問和豆包的效果則不太理想，核心原因是背后的模型不同，使用Gemini這類高級模型，效果會明顯更好。

接下來是第二層“顧問”。

和“助手”不同，“顧問”不需要你明確告知要做什么，而是能自主決定工作內(nèi)容、提供專業(yè)洞察。

第一個案例是朋友熊節(jié)利用開源工具AgentForge做的項目——評估南方國家數(shù)字主權自主程度。這個項目需要調(diào)用大量數(shù)據(jù)，從國內(nèi)外各類網(wǎng)站收集信息，然后提煉洞察，最終自主決定報告結構和內(nèi)容。

整個過程無需任何編程，只需在Markdown文件中用自然語言描述目標、研究方向和方法論，這個開源軟件就會自動生成三層智能體：數(shù)據(jù)收集智能體、分析智能體、報告生成智能體，甚至可以啟動多個實例并行運行。最終這個項目評估了450多條高質(zhì)量數(shù)據(jù)，輸出了1.13萬單詞的結構化報告，耗時6小時。如果讓人來做，不知道要花費多少時間，而且這個報告還被用于政府參考。

第二個“顧問”案例是我的客戶案例，客戶有大量案例需要萃取，包括原始錄音、PPT等素材，需要我從中找共性、提煉方法論洞察。面對海量素材，我必須借助智能體。左邊是我的工作目錄，包含原始素材、報告編輯版本等，右邊是用自然語言寫的客戶要求、規(guī)范等，提示詞也是AI生成的，我把這些按類別整理好，對應不同的智能體，運行后就能完成案例萃取工作。

第三個“顧問”案例是投標場景，投標過程繁瑣，需要仔細閱讀招標公告，梳理職責、任務、背景、時間節(jié)點、預算約束等信息。通過類似AgentForge的框架，把這些信息輸入后，就能自動生成投標書。做過投標的都知道，很多投標書其實沒人仔細看，只是走流程，但又不得不做，AI正好能解決這個痛點。

再看第三層“教練”。

這是三個層級中最難實現(xiàn)但也最有溫度的，核心是通過持續(xù)對話引導思考、挑戰(zhàn)假設，幫助用戶成長，就像敏捷教練改變團隊工作方式一樣。

這個案例是我為孩子做的雅思作文批改工具，現(xiàn)在已經(jīng)上線了。不管是雅思托福作文，還是中小學作文，都屬于非規(guī)則化學科，不像數(shù)學物理有明確答案，作文評分主觀性強，不同老師可能給出不同分數(shù)，即“文無第一”。但AI特別適合做這件事，這個工具的使用很簡單：選擇雅思真題，粘貼作文習作，就能快速獲得批改結果，包括得分評估、潤色建議、提分方向、措辭糾錯、邏輯梳理等，最后還會生成范文。

大家可以對比一下傳統(tǒng)雅思作文批改和AI批改的差異：找機構老師精批一篇作文，費用100-300元，周期3-7天；而用這個AI工具，一分鐘就能完成批改，而且可以無限次迭代——重新寫一篇粘貼進去，一分鐘就能獲得新的反饋。

學過敏捷的都知道，迭代速度越快，學習成長越快。更重要的是，這個AI“教練”能不厭其煩地給出反饋，還能提供個性化指導，通過分析歷史學習記錄，發(fā)現(xiàn)用戶的薄弱點，因材施教。

目前我們正在和廣東一家民辦學校合作，計劃把這個工具接入他們的教學系統(tǒng)，應用到學科競賽等場景中，明年上半年應該能看到效果。

四、管理“AI hybrid 團隊”

講完了AI產(chǎn)品的三個層級，再和大家分享如何管理“AI員工”。

前陣子我研究了Anthropic官方發(fā)布的Coding Agent指南，發(fā)現(xiàn)管理智能體和管理Scrum團隊驚人地相似，完全可以用成熟的敏捷流程來管理AI團隊成員，這不是理論，而是經(jīng)過驗證的工程化方法論。

第一點是“記憶與同步”，相當于Agent的“每日站會”。傳統(tǒng)每日站會中，團隊成員圍在看板前同步昨日工作、今日計劃和遇到的障礙，但Agent沒有長時記憶，不知道之前做過什么。我們可以通過讀取Git Log了解代碼變更歷史、同步系統(tǒng)狀態(tài)、加載feature_list.json（包含200多條功能清單，相當于Backlog），讓Agent明確工作背景，這就是AI版的每日站會。

這里要強調(diào)的是，JSON格式結構化強，能有效抵抗模型篡改或遺忘需求，是Agent的“生命線”。

第二點是“質(zhì)量守護”，相當于Agent的“完成定義（DoD）”。很多人擔心AI“瞎編”，這就需要建立明確的質(zhì)量標準。Agent完成功能后，不能直接提交代碼，必須通過結構化檢查清單，包括代碼規(guī)范、測試覆蓋、文檔完整性等，全部驗證通過后，才能將feature_list.json中的狀態(tài)改為“completed”，之后才能提交到主分支。這和敏捷中的DoD完全一致——不僅要“做完”，還要“符合標準”。

第三點是“反饋閉環(huán)”，相當于Agent的“測試驅(qū)動開發(fā)（TDD）”。我們可以給Agent配備Puppeteer這類瀏覽器自動化工具，讓它寫完代碼后自主打開瀏覽器、點擊按鈕和輸入框、觀察頁面反饋、檢測報錯，這樣就能發(fā)現(xiàn)只有用戶操作才會暴露的Bug。其實構建強大的Agent，關鍵不是依賴更聰明的模型，而是依靠軟件工程化的敏捷流程，包括持續(xù)集成（CI）——每次代碼提交自動觸發(fā)測試套件，通過自動化驗收測試模擬真實用戶行為，發(fā)現(xiàn)問題后立即反饋給Agent修復。

五、未來展望

最后和大家分享未來展望。我們正站在歷史性轉(zhuǎn)折點上，未來的組織可能不再需要龐大的IT部門來構建系統(tǒng)，未來的Scrum Master也不再是單純訂會議室、記會議紀要的協(xié)調(diào)員，而是組織中的“首席智能體官（Chief Agent Officer）”。

未來我們的核心工作有三項：

• 一是定義意圖，明確業(yè)務目標和期望結果；
• 二是編排智能體，設計AI Agent的協(xié)作網(wǎng)絡；
• 三是管理概率，優(yōu)化AI輸出的質(zhì)量和可靠性。

最后我想強調(diào)：AI不會取代敏捷，更不會取代敏捷教練，但懂AI的敏捷教練一定會取代不懂AI、不愿動手的教練。敏捷的本源是動手嘗試、擁抱變化，現(xiàn)在大家都在談論AI，關鍵是要親自實踐，去理解AI時代的敏捷該如何應用，只有親身體驗才能真正掌握。