工作中的快与慢。

现在我更加觉得项目中，技术不是项目最大的阻碍，更大的friction在于项目所需时间的预估偏差。

在没有正式进入项目前，很难准确知道需要多少时间，需要多少人力？
中间又需要和多方协商align一个方案和时间，又要安抚好各个stakeholder。如果沟通不利索，则造成信息偏差，别人觉得你之前commit的时间怎么无法按期交付了。

接下来项目就会开始进入一种策略的游戏，在有限时间窗口，有限资源，人力，算力。一边变换各种方案，变换优先度要稳预期，一边要持续拿下进展。

这个环节是最锻炼人的，也是项目能否顺利拿下的核心。我觉得这部分已经和是否是码农工作无关了，本质码农工作项目只是提供一个背景板，更多是策略选择，风险预知，资源调度，包括人力、算力的合适调度，我觉得这是在不同领域都通用的工作方式。

现实情况往往是是人手不够，项目进行到中期又暴露新的问题，原本的项目预估时间很容易变成 x2，x3倍。

这是工作中的慢。

但这种慢是工作中的常态，项目推进过程中，本质上就是不断暴露出新的问题的过程。
除非之前做过类似的知道需要多少时间。通常解决办法是，随着做事的过程中，增加透明度，发现新的问题，及时把风险勾勒出来，提出新的所需时间。对于unknown issue，所需时间未知通常大家都抱有一定的接受度，只要不是最后一天才告知大家时间不够需要延期。对于预估时间的时候，通常先加2倍，3倍去预估。这种预估不是为了偷懒，是对复杂度留足buffer。

那工作中的快又是什么？

最近借助AI写design，快了很多。以前一周的工作量，几个小时跟AI一起写出来了。

当然这个写法，不是完全从0交给AI去写，这样写出来可能是胡说八道，完全用不了。

是做事的过程中，人和AI互相给提示。
把重要的点描述出来，让AI按这个大方向走，不断提供新的context，以及告知AI资源如何访问，该去看哪。同时AI是文档/文件检索员，人告诉它需要找什么，AI找起来很快。AI经常出错，人作为责任方要起到不断纠正的作用。
尤其分析一个方案弊端，以前绞尽脑汁，现在借助AI带来的提示，虽然它并不能说的很完善，对于人，相当于有人点拨了一下，恍然大悟。

同时还可以开好几个Agent一起工作，一个找资料，一个写文档，一个写代码。还可以让不同Agent扮演不同角色PM，Tech Lead，SDE / SWE，还在学习的实习生Intern，分别从不同视角去看这个项目。

然后就可以手头做几个小实验，反向验证和支撑这个design对不对，从而缩短那个x2x3倍的过程。

这是工作中的快。

#Ai##工作日常#