资源介绍
视频数量：39个
总时长：4小时24分
课程介绍：
把AI真正用进Jira和Azure DevOps
你有没有经历过这样的周一早晨:打开Jira,面对的是一个已经积压四百多条工作项的看板,其中最老的条目挂了整整三年;上周五冲刺结束前匆匆提交的工单里,有一半忘了写验收标准,下周一又被开发打回重做;这个月的状态报告还没整理,今天已经是新一轮迭代的第一天。团队不是不努力,而是那些不起眼的、永远在做但从来没人觉得重要的重复工作,正在一点一点地吃掉交付节奏。
这门课想聊的,就是怎么把AI用进这些环节。不是讲按钮在哪个菜单下面、怎么点开,而是讲哪些工作值得让AI接手、哪些问题AI根本帮不上忙、以及怎么识别那些看起来很自信但其实在悄悄误导你的输出。
一、先弄清楚AI到底能做什么
在动手之前,得先搞清楚工具的能力边界。第一部分会带你一起梳理当下两个平台上AI功能的真实状态——能做什么、不能做什么、什么时候反而会帮倒忙。Jira和Azure DevOps的设计哲学很不一样:Jira靠一个自由的大描述字段承载所有内容,灵活但团队之间写法差异巨大;Azure DevOps则按工作项类型切分了多个命名字段,规范但灵活性受限。理解这种差异,你才知道同一个提示词放进两个工具里,会得到完全不同的结果。
这一部分还会讨论一个很现实的问题:哪些交付痛点值得最先自动化。讲师给出的判断标准很直接——如果一个问题反复出现在多个冲刺里,由资深成员靠记忆在默默解决,解决了能立刻释放人手,那它就值得优先用AI去尝试。
二、写出AI也愿意接手的工单
工单写不好,AI也救不回来。第二部分专门处理"工作项一打回来"这个老问题。
讲师会先分析大多数工单在开始工作前就失败的常见原因——背景缺失、验收标准模糊、范围界定不清到谁都可以理解成自己的意思。然后你会学到一套四段式提示结构:背景、数据、约束、决策人。这套结构不是凭空设计的,它直接对应AI在生成内容时最需要的信息缺口。
具体场景包括:怎样写一条AI能真正改善的用户故事;怎样让验收标准经得起代码评审而不被退回;Bug报告里那个"复现步骤"到底该怎么写才不会被开发扔回来;怎样把一个太大的工作项拆成开发一天之内能完成的颗粒度。最后还有一场实操——从你自己的看板里挑十张真实的工单,用四段式提示逐张改写,然后等两周看效果。讲师特别强调,等待两周是这个练习最容易被跳过的部分,但也是唯一能告诉你事情的部分,因为改写过的工单当下总是看起来更好,而"看起来更好"并不是你想要的成果。
三、清掉那个没人看过的待办列表
每个团队都有一份"自去年起就没人碰过"的积压清单。第三部分专门处理这件事。你会学到怎么让AI对积压项进行批量分类、怎么用AI做初步去重、怎么把每一条挂到对应的Epic和业务结果上。
讲师特别强调一件事:优先级判断这件事,AI帮不了你。AI可以帮你梳理信息、把混乱变得结构化,但"先做什么后做什么"永远是产品负责人和业务方要做的决定。课程会教你一种"不依赖每周仪式"的清理方法,以及怎么在一个下午完成一次有产出的积压清理。
四、估算与冲刺规划里的AI位置
估算这件事上,AI有用但也危险。第四部分会带你区分AI在估算里真正能帮上的地方——比如拆解依赖、识别容量风险——和AI会误导你的地方,比如用历史数据简单外推未来工作量。
你会学到怎样用AI生成一份团队愿意读的冲刺目标——不是那种"完成几个用户故事"的套话,而是能说清楚这次冲刺要解决什么问题、放弃什么的具体表述。中途变更和需求蔓延怎么处理,课程也给了实操方案。最后是一场完整的AI辅助规划演练,从准备数据到输出可执行的冲刺方案。
五、报告、指标和没人读的状态更新
状态报告大概是一个团队里最没有读者的工作。第五部分会拆解几种典型场景下的报告撰写:给管理层看的、给产品方看的、给开发团队自己看的。同样的数据,对三种受众讲法完全不同。
你会学到怎样让AI帮你写JQL和WIQL查询,不用死记语法也能拿到想要的数据;怎样用流动指标——周期时间、吞吐量、老化工作——评估真实的交付健康度;怎样让AI帮你生成一份冲刺总结,以及一个很关键的提醒:AI生成的摘要为什么会悄悄误导你。课程会列出几种常见的"看起来对但实际偏移"的摘要方式,帮你看清这些偏差是怎么发生的。最后的实操是搭建一份真正能发出去看的周更新。
六、自动化规则里AI应该待在哪
第六部分讨论在Jira和Azure DevOps的自动化引擎里,AI步骤应该放在什么位置。讲师会先讲清楚两个工具自动化系统的基础逻辑,然后讨论一个关键问题:什么样的环节适合加AI、什么样的环节绝对不能加。比如分类和路由适合,但自动修改状态、自动分配责任人就要格外谨慎。
实操环节会带你搭建三条具体规则:把进来的新工单自动分类、把完成的工作自动汇总成发布说明、把那些停滞超过若干天的工作自动标记出来。每条规则都是"每月至少省一天"级别的实用价值。
七、治理、成本和公开出错
AI进了工作流之后,有几个问题必须想清楚:什么数据绝对不能写进提示词、许可证和管理员控制怎么设置、出了问题怎么追溯到是谁改的、什么时候AI在团队面前给出了错误的输出该怎么收场。第七部分会逐项拆解这些问题。
八、让团队真的用起来
最后一部分讲落地。课程分析了为什么很多好工具在团队里推不动——通常不是技术问题,而是流程和习惯问题。讲师给出了一份三十天采用计划,按周拆解了具体动作;以及一个"每周三十分钟"的维护节奏,怎么用最少的时间和让团队的AI习惯保持运转。
无论是每天被状态报告压得喘不过气的Scrum Master,想从积压里脱身的产品负责人,还是想把团队效率往前推一步的开发经理,学完之后你都应该能拿到一份具体的清单:在Jira和Azure DevOps里,哪些重复工作现在就可以交给AI,哪些判断必须留在人手里,以及怎么用最小的团队摩擦把这套流程真正跑起来。