QoderWake工作实录03 丨一个需求,3个 Waker 接力完成

简介: QoderWake团队引入数字员工“Waker”,覆盖产品、研发、测试等角色,深度融入产研闭环:自动评审PRD、拉分支开发、Code Review、生成测试用例并报Bug。全程无需人工操作,仅4小时即可完成需求到合并,大幅提升迭代效率与协作质量。

2.35_1 900_383-2.jpg


最近几个月,QoderWake 团队的钉钉群出现了几个“新人”,从PD到前后端、再到测试都有。我们没给他们安排Mentor,也没有设定新人到岗的landing期,但他们进群后很快就读完了项目仓库中的文件和代码,直接上手开始开发,“问下Waker”“让Waker做一下CR”一下子就成了团队内部的“流行语”。


他们是谁?他们有个共同的名字:Waker,也就是 QoderWake 产品研发的数字员工。现在 QoderWake 的产研流程中,我们和Waker们“深度协作“,把原本人找消息、人找人的协作卡点和重复的“找人测试找人改”的流程交给 Waker 来管理,才有了现在产品一周好几个版本的快速迭代。


image (4).png


Waker 如何参与产研流程闭环


需求沟通群内,产品 Waker 带着写好的PRD进了群,找负责的研发 Waker 来评审。


研发 Waker —— 给出了"有条件通过"的结论—— 3 个阻塞级问题需要尽快明确,9 项细节需要补充,同时提出了 6 个需要人拍板的决策点。这些决策点每个都带着明确选项和 trade-off 的技术契约问题:草稿态怎么存?审批边界在哪?模板配额给多少?


产品 Waker 直接在群内与 PD 本人逐条确认后生成了定稿的PRD,研发Waker 输出了一版 Spec 等其他群成员确认。


14:20,我们的研发同学下了个指令:让 Waker 基于 release 分支拉出工作分支开始代码工作,完成后自己直接找其他研发 Waker 进行 Code Review。


15:31,CR 提交——快照边界引擎、三张数据表、10 条 HTTP 路由、7 个 CLI 子命令,变更量 +5773/-4,150 条测试全部通过。


16:07,评审 Waker 给出第一轮评审结论:1 个 Blocking(三个画像字段的双重 JSON 编码问题)和 6 条建议。研发Waker 又在 20 分钟内修复了 Blocking,并采纳了 5 条建议。


16:34,评审 Waker 复审通过,CR 门禁转绿。


17:55,测试 Waker 基于PRD、Spec 生成了36条测试用例,完成测试,抛出来3个bug通报到群里后,研发Waker 完成修复,主动向我们的研发负责人私聊确认是否可以合并。


从开始工作到代码可以合并,只用了不到四个小时。 Waker 能独立思考、独立工作,各自也有明确的角色边界;遇到权限问题也会停下来等人,发现问题会如实上报而不是掩盖。团队成员没有上手写PRD和代码,但做了所有关键决策:定方向、定分工、定安全红线、确认技术契约、验收成果。


image (5).png


让 Waker 进入更多真实产研场景


在我们团队的工作中,我们正不断探索,让 Waker 真正全方位的参与到产研流程当中:


在群里七嘴八舌讨论了一个新功能,我们会 @Waker 让他直接拉个分支,做出可体验、可交互的 Demo;


一个需求进入内部平台,Waker 自然地成为了项目管理的角色,在群里 cue 流程、跟进度;


收到一份 Bug 工单,Waker 能自己根据日志文件来查问题,创建一个待处理缺陷,带着它找到负责的研发同学;


需要 Code Review,可以在群里 @Waker 直接把链接给 Ta,Ta 会直接把 CR 写入代码平台;


产品新版本发布前,Waker 自动把发布前总览和紧急发布风险发到群里,直接@对应模块的负责同学……

这就是 QoderWake 正在做的事:让群里多了几个群成员,少了一些总是需要@好多次的对话,也少了一些记不清、找不到群里很久以前的消息的问题。Waker 让我们可以围绕一个任务,而不是围绕一次次会议和一次次排期,组织自己的工作方式。调研、定义、实现、评审、测试,这些环节之间的交接成本被大幅压缩——因为数字员工一直在这件事里,带着完整的上下文,随时可以被下一条消息唤醒继续推进。


QoderWake —— 不需要人来操作,也可以让待处理需求少一些,正在跑的代码多一些,产研流程更高效一些。

目录
相关文章
|
8天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
7316 12
|
6天前
|
人工智能 测试技术 API
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
Jev是TypeSafe AI推出的“系统一模型”,不生成文本,专做毫秒级结构化决策:Choice(多选)、Score(打分)、Noul(是非概率)。响应快193倍、成本低444倍,适合工单路由、内容审核、测试定级等高频判断场景。
1520 4
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
|
6天前
|
人工智能 并行计算 PyTorch
秋叶 ComfyUI 2026 整合包 v3.2 完整部署教程:Python 3.13 + Torch 2.13 全栈升级
秋叶aaaki ComfyUI 2026年8月整合包v3.2正式发布!全面升级Python 3.13.11、PyTorch 2.13.0+cu130及ComfyUI v0.30.2,原生支持MiniMax H3、Wan 2.2、Qwen-Image-2.1等2026主流音视频/图像模型,解压即用,无需环境配置。
965 7
|
3天前
|
人工智能 JavaScript 芯片
DeepSeek 官方偷偷上传 Harness 桌面端安装包,我已经用上了。。附最新下载地址
DeepSeek Harness 官方的桌面端安装包被网友扒出来了,2 分钟讲明白如何使用,体验如何,适合作为 AI 编程工具么?附最新 Windows 和 Mac 双端的下载地址
1140 1
|
20天前
|
人工智能 自然语言处理 安全
阿里云千问办公 QwenWork详细介绍:产品核心能力、典型场景、价格及常见问题解答
千问办公是阿里云推出的一站式AI办公平台,主打"不止于对话,更注重交付",依托通义千问旗舰大模型,用户一句话即可完成数据分析、PPT生成、视频剪辑等复杂任务,直接输出可用成果。产品深度打通钉钉生态与企业OA,覆盖桌面端、网页端,提供企业标准版198元/人/月等多档订阅方案,新用户注册即赠2000积分,适配工程师、HR、财务等多职业办公场景,成为能动手干活的"全能AI同事"。
3556 10
|
14天前
|
缓存 IDE Java
【保姆级】Android Studio下载、安装和汉化教程(2026最新)
Android Studio 是 Google 官方推出的免费 Android 应用开发集成环境,基于 IntelliJ IDEA,内置模拟器、调试器、性能分析及 Compose 界面工具,功能全面,文档丰富,是安卓开发首选工具。(239字)
1587 1
|
4天前
|
编解码 缓存 PyTorch
16G 显卡能跑 Qwen-Image 2.1 吗?
9月20日,阿里Qwen开源Qwen-Image-2.1:7B DiT图像模型+8B文本编码器+VAE,单模型支持文生图与图像编辑,原生输出2K PNG(含Alpha通道),支持10张参考图。在自建Qwen-Image-Bench达60.28分(开源模型第一),GenAI Showdown文生图排名7/15。16G显存可跑1024×1024(需INT8量化+ComfyUI优化),但2K需24G以上。注意其Qwen Research License限非商业用途。
491 1
|
5天前
|
人工智能 编解码 并行计算
MiniMax-H3 一键整合包技术文档:8G 显存运行 AI 漫剧制作 —— 角色替换 / 动作迁移 / 文图生视频部署与调参指南
MiniMax H3 是 MiniMax 开源的全模态视频生成模型,支持文/图/音/视多条件输入,输出最高2K、15秒带双声道音频视频。本文档详述其Int8量化版在8GB显存下的本地一键部署、三段式工作流(EDIT/REPLACE/CONTINUE)、参数调优及常见问题排查。(239字)

热门文章

最新文章