团队博客3 - Alpha阶段的发布

项目地址：NewsMind 项目代码仓库

Alpha 阶段发布文档 · NewsMind项目

1. 交付产品：新闻稿

新闻稿 · NewsMind Alpha 发布

在本次 Alpha 阶段，团队成功推出了NewsMind— 基于大语言模型与推荐算法的个性化新闻推荐系统。我们已完成用户画像初始化、新闻语义分类、初步个性化推荐流、前后端基础架构搭建及部署流程，标志着核心系统从概念走向可用原型。

本次交付版本已具备：

  • 多源新闻抓取与语义分析能力
  • 用户画像与偏好设置模块
  • 个性化新闻推荐流展示
  • 基本“对话推荐助手”雏形接口
  • 前端／后端／AI 模块联通、基础部署环境搭建完成

我们迈出第一步：不仅仅推荐“你可能喜欢”的新闻，而是理解“你值得知道”的新闻。 本系统未来将进一步完善对话式交互、实时反馈机制、冷启动优化等功能。

2. 我们是如何交付的：简化流程 + 所有博客 & Daily Scrum 总结

工作流程概况

  1. 项目启动与需求分析
    • 通过 NABCD 模型明确：用户需求、方法、收益、竞争、交付目标。
    • 确定项目名称《NewsMind》，团队角色、项目周期、版本目标。
  2. 计划制定 & 任务拆分
    • 制定 10 天 Sprint，4 人团队，每人每日约 4 小时，共 160 小时工时。
    • 导出 WBS 表：后端、前端、AI、项目管理各组任务细分，每项预计约 4 小时。
  3. 每日跟踪 &迭代
    • 每天通过 Daily Scrum 记录昨日完成／今日目标／阻塞，从 Day1 到 Day10。
    • 团队博客中同步记录 Daily Scrum 日志。
  4. 联调、测试、部署
    • 前后端、AI 模块集成，端到端流程验证。
    • 编写文档、API 接口说明、部署脚本。
    • 使用 Git Flow、Conventional Commits、CI/CD 工具保障代码质量。
  5. 交付产物
    • 完成 Alpha 可运行版本原型。
    • 更新团队博客、提交 Daily Scrum 总结、准备 Beta 前期工作。

3. 风险管理：风险识别、合理性、处理方式

风险识别

风险列表：
  - 需求变更或模糊（用户画像、推荐准确度）  
  - 技术栈熟悉不足（LLM 接入、语义分类、缓存优化）  
  - 冷启动问题（用户行为数据不足，模型效果低）  
  - 接口联调／模块依赖导致进度阻塞  
  - 文档、测试、部署环节易被忽视

这些风险在博客中已有预估（Pre-mortem 部分）。

我们的应对方式

处理策略：

  • 将任务拆分为粒度小、可追踪的单元（每任务 ≤4小时） → 降低不确定性。
  • 使用每日站会（Daily Scrum）实时暴露阻塞 → 及时调整。
  • 引入 AI 辅助：LLM 生成代码、文档、测试用例 → 降低人力风险。
  • 制定可信度评分机制 & 新闻源白名单 → 降低“假新闻”风险。
  • 前期快搭基础模块，优先实现核心功能 → 降低技术和冷启动风险。

4. 向工程导师／资深工程师学习到了什么

学习收获：

  • “架构优于功能量”：先搞好模块化、接口、流程，再追求功能细节。
  • 敏捷不是只“快”，而是“可持续、可调整”：日常复盘、燃尽监控、减少盲目加速。
  • 测试、文档、代码评审不可缺少：真正的工程化标志是可维护、可扩展的系统。
  • 工具链重要：使用 Git Flow、CI/CD、Conventional Commit 这些“工程味”流程能显著提升团队协作效率。

5. 项目管理特点／优点／缺点

特点

  • 每日站会 + 博客日志同步 → 高透明度
  • 任务拆解粒度小（≤4小时）→ 可追踪性强
  • 融合 AI 工具辅助开发流程 → 效率提升
  • Sprint 结构明确：Day1-2 架构，Day3-5 核心模块，Day6-8 集成，Day9-10 测试部署。

优点

  • 团队节奏统一、职责清晰
  • 在预定周期内完成了 Alpha 的核心功能（用户画像、新闻抓取、推荐流、对话助手雏形）
  • 文档、博客、流程透明，可为后续阶段积累素材

缺点

  • 虽说每日都有进展，但并非“每天都固定向前”——有些日子集中推进，有些日子调整或修复阻塞
  • 估算仍略有乐观（任务都会按 4 小时拆分，但实际可能超时）
  • 模块依赖性较强，前端／后端／AI 三者若一方延误，会波及整体节奏

6. 团队成员如何运用 AI 工具

成员 “AI 使用” 汇总：

  • AI 辅助生成：样板代码、接口文档、测试用例（每当新模块启动即调用）
  • 在后端开发中：姜厚丞调用 “GPT-5” 生成新闻抓取脚本原型 → 再手动优化
  • 在 AI 模块中：宋尚文 使用 LLM 接口封装代码 + 生成 prompt 草稿 → 验证语义分类质量
  • 在前端开发中：方羿 使用 AI 生成 UI 组件结构建议 + 响应式适配代码片段
  • 在项目管理中：陈家驹 使用 AI 自动整理每日站会记录、生成任务 summary & 燃尽图文字说明

结语

本次 Alpha 阶段，团队围绕《NewsMind》项目按部就班、按期推进，实现了关键功能、建立了工程化流程、并在真实敏捷节奏中磨合了合作机制。我们下一步进入 Beta 阶段，将在前期成果基础上扩展功能、优化推荐质量、提升用户体验。

← 返回首页