共享之舟——α冲刺总结
| 这个作业属于哪个课程 | 软件工程实践-2023学年-W班 |
|---|---|
| 这个作业要求在哪里 | 团队作业—beta冲刺+事后诸葛亮 |
| 这个作业的目标 | 回答课堂上的问题,同时进行α冲刺阶段的反思 |
| 其他参考文献 | - |
目录
- 回答问题
- Q1:为什么货比三家功能的开发放在β冲刺而不是α冲刺?
- Q2:如何划分a和β冲刺的内容
- Q3:燃尽图的前几天进度很慢,原因是什么,如何改进?
- Q4:团队的成员贡献度差异比较大,原因是什么?
- 反思与改进
- 项目进度较慢
- 前端技术瓶颈
- 对接的协作低效
回答问题
Q1:为什么货比三家功能的开发放在β冲刺而不是α冲刺?
A1:货比三家是我们福鱼的最特色最重要功能,完成的难度也最大,考虑到a冲刺处于起步阶段时间很紧,要完成货比三家起码要先完成购物车界面,完成商品信息的设计和前后端相关的对接,我们考虑到在a冲刺可能难以将货比三家功能做的比较完善,所以放在β冲刺
Q2:如何划分a和β冲刺的内容
A2:大部分内容我们并没有定死了哪些部分一定在a冲刺哪些一定在β冲刺。我们是力求在a冲刺尽可能多完成内容,把我们福鱼项目的前后台的基本给功能做出来,做出一个比较完整自洽的产品。在β冲刺中则继续完善,做好特色功能货比三家,对其他页面也边测试边改善
Q3:燃尽图的前几天进度很慢,原因是什么,如何改进?
A3:主要原因有两点。①各成员配置环境的时间比预期的要长,在环境配置完成之前很多任务无法进展,导致进度慢。②在最开始几天安排的任务量不合理,比较多,低估了一些任务的工作量(如配置环境)。
如何改进:经过a冲刺的团队磨合和各成员自身磨炼,我们对自己和对团队日常可以完成的工作量有了了解,下阶段安排任务会更合理
Q4:团队的成员贡献度差异比较大,原因是什么?
有一位同学由于在外实习事务繁忙导致腾不出许多时间做任务,日常完成的是做日报博客,ppt等工作量较少的任务。还有一位同学做的是测试工作,工作量也比较少。所以这两位同学的贡献度偏低。实际上我们团队采用了比较合理的oKr制度。做多做少都会体现在贡献度上,不会刻意去拔高或降低人格成员的贡献度,a阶段的贡献度就是我们如实展示的结果
反思与改进
项目进度较慢
因为成员的学习成本较高,一开始制定比较强硬的OKR目标会失效。出现滞后现象,因此我们采用细化模块方式,让成员自主选择,出了学习的时间之外,只要满足每天1.5个小时开发即可。

前端技术瓶颈
在项目早期,团队面临着一些技术挑战,包括分页器的风格不一致和大量重复、手动编写CSS动态较为困难等,这些挑战主要源于我们没有采用elementUI这一强大的前端UI框架。
为了解决上述问题,并提高开发效率和产品质量,β冲刺决定采用elementUI:
可编辑表格,用于货比三家的数据填写:elementUI提供了功能强大的表格组件,支持数据的增删改查等操作。通过使用elementUI的表格组件,我们可以快速实现一个响应式、可编辑的表格,提高数据管理的效率。
图片上传+回显,用于商品的图片添加:elementUI的文件上传组件支持图片上传,并且可以轻松实现图片的即时预览(回显)。这使得用户在上传图片后能够立即看到上传的图片,增强了交互体验。
对接的协作低效
在α冲刺的过程中,难以平衡前端和后端的代码优先级,有时前端先完成,有时后端先完成,但是对于后端而言,修改的成本较高,包括Controller、Service、Mapper、数据库四个大层,所以在β冲刺阶段,我们团队决定以下的协作方式:
如果是Get接口,先让前端完成,然后前端写好交接的数据文档交给后端,后端根据文档,生成对应的视图和映射。这样能很大程度上避免数据遗漏的问题。
如果是其他的接口,例如Put、Post、Delete接口,先让后端完成,然后将交接文档发送给前端,这样后端能够拿到想要的数据,而减少前端的修改量。

相关推荐
软件设计师考试笔记考点(知识点)归纳总结1
1、 软件开发模型 (1) 原型法-适用于需求不明确的开发 (2) 瀑布模型-适用于需求己经明确的开发 (3) 螺旋模型-适用于风险较大的大中型项目 (4) 喷
【笔试真题】- 华子-2025.11.05-算法
1️⃣:使用字典存储20道题的答案2️⃣:根据输入的题号直接查表输出答案3️⃣:前15题为单选题,后5题为多选题难度:简单标签:基础知识、线性代数、概率论、机器学习、深度学习考点线性代数:矩阵变换、行列式性质概率论:贝叶斯公式、指数分布的无记忆性数值分析:数值微分、数值稳定性统计学:无偏估计机器学习:损失函数、评价指标(F1分数、AUC-ROC)、类别不平衡处理深度学习:梯度消失、隐藏层作用、注意力机制、激活函数、初始化策略、显存优化。
【社会科学】【企业管理】【管理科学】第二十篇 售前-销售-研发-交付-财务-会计-律师-其他员工的配合模型01
多项目并行,每个项目需求资源 ri,可用总资源 R,资源分配向量 xi,约束 ∑xi≤R,项目工期 Ti=f(ri/xi),总延期惩罚 Σpenaltyi(Ti−deadlinei)+。:标准价格 Ps,折扣率 d,实际成交价 Pa=Ps(1−d),成本 C,毛利率 g=(Pa−C)/Pa。若 g<gmin则触发亏损预警。:报销单据量 N,合规率 c,退单率 r=1−c,财务审核时间 tf,销售重新提交时间 ts,总工时浪费 W=N⋅r⋅(tf+ts)。
白鲨优化算法(WSO)原理详解与Matlab源码实现
元启发式算法是解决复杂优化问题的重要工具,其核心思想是通过模拟自然现象或群体智能行为,在解空间中进行高效搜索。这类算法通常包含探索(全局搜索)与开发(局部精细搜索)的平衡机制,以兼顾寻优广度与精度。在工程实践中,算法需要被转化为可执行的代码框架,并针对具体问题(如高维、非凸、多峰优化)进行参数调优。白鲨优化算法(WSO)作为一种新兴的元启发式算法,其灵感来源于大白鲨的捕猎行为,通过模拟基于气味探索、向最优个体靠拢以及鱼群效应三种核心机制,在单目标优化问题上展现出良好的性能。本文将从算法原理出发,结合Matl
开发者时间管理:效率工具推荐与每日工作流设计
在2025年的软件开发领域,时间管理早已超越“列个待办清单”的初级阶段。当AI开始重构代码、低代码工具普及率突破70%、跨时区协作成为常态,开发者面对的不仅是技术挑战,更是对时间颗粒度的极致掌控。本文将结合2025年最新行业数据与开发者实测案例,从工具选择到工作流设计,为你打造一套可落地的高效时间管理系统。


