快速高质量交付的 5 大原则

简介: 快速高质量交付的 5 大原则

任何一个组织都希望能够又快又好的交付产品,但真的能做到吗?原文: 5 Principles for Quality at Speed



原则塑造了我们。


当我们面临压力时,生存机制会让我们依赖基于原则的潜在结果。


这种行为本身没什么问题,但当有问题的原则让我们做出错误决定时,尤其在时间很紧迫的时候,问题就出现了。


在当今快节奏环境中,软件的交付越快越好,因此快速决策的压力无处不在。


从平衡速度和质量的角度出发,必须限制正在进行的工作,而不是试图做太多事情,必须掌控两者的矛盾。


本文讨论了软件工程的五个原则,以克服"质量 vs 速度"的困境,从而更快构建更好的软件。

1. 少即是多(Less is More)

活跃而忙碌的文化总是围绕这种观念: 努力工作总比少工作好,会有更好的结果。


不得不承认,我(或者说曾经)非常坚定的相信这一点。


但如果你观察成功的个人和组织,他们会反复说:


  • 把注意力集中在影响最小的事情上
  • 坚决选择不做某些事情
  • 对于做或者不做某些事情依赖某些强烈的原则


"少即是多"是个强大的原则,迫使我们专注于能提供大部分价值的东西,避免做其他低价值的事情。


实际案例从初创公司到服务数百万用户的公司都可以看到,通常他们都专注于解决某个特定问题,或者在更大的公司里会看到他们在每个阶段都集中精力于一件事情。例如,苹果先是推出 iPod,然后是 iPhone、iPad,然后专注于配件来打造品牌生活方式。


在软件工程中可以通过以下方式来应用这些原则:


  • 通过帕累托分析来确定哪部分 20%的努力产生了 80%的结果
  • 通过技术组合和技术雷达以简化技术堆栈
  • 减少正在进行的工作(WIP, work-in-progress)从而获得更好的预期回报
  • 分析功能使用情况并删除使用率低于最小阈值的功能
  • 编写更好、更少、需要更少注释的代码。


在更广泛层面上,少即是多就是更偏向于用最小实践来开发业务,而不是更时尚、更受追捧的实践——正如质量工程成熟度模型MAMOS所捍卫的那样。

2. 旧即是新(The Old is New)

目前的创新速度,尤其是在技术领域,让我们觉得好像每天都有颠覆性解决方案出现。


但大多数创新都是在经过验证的模型上逐步建立的。


"创新就是把现有的两种东西以一种新的方式组合在一起。" — Tom Freston


以软件行业的流行词汇为例:


  • 云是一种部署基础设施,可以实现自助服务和可扩展性
  • 软件定义网络建立在历史悠久的 7 层网络之上
  • 许多质量实践都是基于戴明或丰田的实践
  • 这个列表还在继续(包括 ChatGPT)


重点并不是说没有变化(渐进式和破坏性创新正在发生,改变着行业现状)。


关键是要了解营销手段背后的原因:


  • 利用了哪些成熟技术?
  • 要达到承诺的效果需要哪些条件?
  • 该项创新能够持续或被取代的可能性有多大?


我们的价值在于正确评估潜在机会,做好功课,确保掌握了所提出解决方案的基础。


接下来的问题是,要足够强大的运用之前的"少即是多"原则,只保留最有价值的选项。

3. 慢即是快(Slow is Fast)

让·德·拉封丹(Jean De La Fontaine)的一则寓言讲述了龟兔赛跑的故事,令人惊讶的是,乌龟赢了。


同样不可思议的事情也发生在软件行业。


从长远来看,跑得太快通常意味着会失去动力,原因如下:


  • 缺乏关键利益相关者的参与和支持
  • 缺少预算、资源和团队来交付早期成果
  • 只是让系统回到初始状态的表面变化
  • 实践组织无法支持的复杂实践
  • 未能使组织持续变革。


速度是在适当地方做出正确选择的结果,尽量减少对组织成熟实践造成太大影响。


"生活中没有什么事情像你想的那么重要。" ― Daniel Kahneman,思考快与慢


在越来越追求短期的文化中,拥有长期视角和持续努力的延迟反馈将变得更加稀有,而涉及到软件构建时,也会更加与众不同。

4. 质量无法测试(You Can’t Test Quality)

捷径是危险的,测试和质量之间的捷径已经让组织中出现了很多欺骗行为。


这又回到了最基本的问题:


  • 测试是一种验证行为
  • 质量是关于满足定义的属性


考虑到公司需要以最少的测试获得最高的质量:


  1. 由于复杂性、资源可用性或可行性等限制,质量属性不可能全部得到验证
  2. 更多的测试意味着更多的验证,但并不代表更高的质量,尤其是在软件生命周期的早期阶段。


"你无法检查产品的质量。" — Harold F. Dodge


我们的责任是培育生态系统,在这个生态系统中,质量属性被定义并且作为软件生产的一部分,必须成为一等公民。接下来的问题是,如何利用某种极简方法,尽可能快的验证哪里的质量属性得到了最充分的满足。


这需要转变思维模式。

5. 做得更好,做得更快(Build Better, Build Faster)

质量工程代表了许多软件团队所面临的"质量 vs 速度"这一历史矛盾的思维方式的改变。


这一悖论似乎没有正确答案:


  • 质量本身会减缓组织保持竞争力的速度
  • 速度本身会积累技术债务,而在这过程中会造成失败


范式的转变是"质量决定速度(Quality enables Speed)"。


通过在整个软件系统上部署最小实践集,用高质量支持更快的迭代周期,以最小复杂性和更易于更改的软件让事情流动起来。


以此开始,通过渐进式的、系统性的和可伸缩的实践按照成熟度模型来实现,应用"做得更好,做得更快"的原则来交付高质量软件。


准备好进行质量工程了吗?




你好,我是俞凡,在 Motorola 做过研发,现在在 Mavenir 做技术工作,对通信、网络、后端架构、云原生、DevOps、CICD、区块链、AI 等技术始终保持着浓厚的兴趣,平时喜欢阅读、思考,相信持续学习、终身成长,欢迎一起交流学习。为了方便大家以后能第一时间看到文章,请朋友们关注公众号"DeepNoMind",并设个星标吧,如果能一键三连(转发、点赞、在看),则能给我带来更多的支持和动力,激励我持续写下去,和大家共同成长进步!

目录
相关文章
|
JavaScript 前端开发 C#
Select 下拉框切换拦截的三种方案|【Proxy】
Select 下拉框切换拦截的三种方案|【Proxy】
2585 0
|
Android开发
【错误记录】Google Play 上架报错 ( 上传 release 版本 APK 或 AAB )
【错误记录】Google Play 上架报错 ( 上传 release 版本 APK 或 AAB )
1100 0
【错误记录】Google Play 上架报错 ( 上传 release 版本 APK 或 AAB )
|
1月前
|
SQL 人工智能 自然语言处理
AI数据工程师在应用中如何"返璞归真"
本文反思了“知识库+Prompt工程+工具调用”这一轻量级Agent构建模式的局限性,指出其难以应对真实业务场景中的知识质量、语义理解与规模化维护挑战。(本文内容基于作者个人技术实践与独立思考,旨在分享经验,仅代表个人观点。)
AI数据工程师在应用中如何"返璞归真"
|
人工智能 缓存 运维
探秘 AgentRun丨通过无代码创建的 Agent,如何用高代码进行更新?
AgentRun 打破 AI Agent 开发困局,无代码快速验证想法,一键转高代码实现深度定制。60 秒创建 Agent,支持多模型、工具集成与 Prompt 优化;业务增长后可平滑演进,保留配置生成高质量代码,助力从原型到生产的持续迭代。
442 31
|
JSON API 数据格式
微店商品列表接口(微店 API 系列)
微店商品列表接口是微店API系列的一部分,帮助开发者获取店铺中的商品信息。首先需注册微店开发者账号并完成实名认证,选择合适的开发工具如PyCharm或VS Code,并确保熟悉HTTP协议和JSON格式。该接口支持GET/POST请求,主要参数包括店铺ID、页码、每页数量和商品状态等。响应数据为JSON格式,包含商品详细信息及状态码。Python示例代码展示了如何调用此接口。应用场景包括商品管理系统集成、数据分析、多平台数据同步及商品展示推广。
|
5月前
|
人工智能 运维 测试技术
2025年高并发系统全链路压测平台对比与瓶颈定位最佳实践
文章聚焦2025年高并发系统全链路压测,介绍主流方案分SaaS化与私有化两类,对比两者优劣。阐述瓶颈定位靠分布式追踪等技术,分享电商、金融场景实践案例。还解答方案选择、核心差异、瓶颈定位关键及避免影响生产环境等问题,提供全链路压测全面指导。
|
人工智能 Python
2025自学编程实操指南第一课面向AI编程
2025自学编程实操指南第一课面向AI编程,第一个实践案例:贪吃蛇游戏
|
10月前
|
SQL 运维 数据可视化
开发任务流转工具深度分析:从需求落地到上线交付的全流程协同利器
开发任务流转工具助力团队高效协作,明确任务入口、状态流转、责任分工与协同机制,打通研发流程关键链路,实现任务透明、节奏可控、交付可靠。
|
存储 人工智能 Serverless
智能理解 PPT 内容,快速生成讲解视频
本方案利用函数计算 FC 部署 Web 应用,调用百炼模型服务实现 PPT 到视频的自动转换。视觉模型智能理解 PPT 图文内容,快速生成相匹配的解说词;文本模型对解说词进行优化,提高其可读性和吸引力;语音模型则根据解说词生成生动流畅的旁白音频。整个过程高度集成,只需一键操作,系统即可自动整合图片、文本和音频素材,快速生成对应讲解视频。
1530 18
|
自然语言处理 搜索推荐 程序员
【Python】如何使用pip,安装第三方库和生成二维码、操作Excel
【Python】如何使用pip,安装第三方库和生成二维码、操作Excel
431 0