最近在新的组工作了一段时间，总结下最近的进展并且记录下来。

[Revised by ChatGPT]

1. 坚持高标准，并且每日记录。

亚马逊有一个非常重要的 Leadership Principle：

Insist on the Highest Standards

很多团队的问题并不是不努力，而是默认接受了较低的质量标准。

高标准不是等到上线前再检查，而是体现在每一个日常环节：

• Code Review
• Design Review
• Technical Proposal
• Operational Excellence
• Postmortem

我越来越相信：

质量不是测试出来的，而是在整个开发过程中设计出来的。

当团队对于代码质量、文档质量、设计质量都有明确要求时，长期来看反而能够提升开发速度。

因为技术债务减少了，返工减少了，团队成员之间的信任也更高。

高标准短期看似更慢，长期却是最快的路径。

2. 快速交付，但不要一次做太多

很多项目失败并不是因为方向错误，而是因为交付周期太长。

亚马逊强调：

Deliver Results

但优秀团队的特点并不是一次性交付一个巨大的项目，而是持续不断地交付价值。

我的经验是：

与其规划一个 6 个月后才能看到结果的大项目，不如拆分成多个两周或者一个月就能验证价值的小阶段。

例如：

• 第一阶段验证可行性
• 第二阶段验证用户价值
• 第三阶段扩展规模
• 第四阶段优化体验

这样既降低风险，也能够更快获得反馈。

3. 保持每周都有可见产出

其实你会发现 1 和 2 是有一定矛盾的，高标准很可能拖慢速度。所以我们需要可行的方法，我现在个人感觉最好的方法就是

每周是否有看得见的输出？

我越来越重视一个简单指标：

每周是否有看得见的输出？

这里的输出可以是：

• 一个上线功能
• 一个设计文档
• 一个实验结果
• 一个技术分享
• 一个自动化工具

如果连续几周都没有可见成果，往往意味着：

• 工作目标不够清晰
• 项目粒度过大
• 决策链条过长

而持续输出能够形成正反馈：

输出 → 获得反馈 → 调整方向 → 继续输出

久而久之，团队会形成一种健康的执行文化。

相比年度规划，我更关注：

本周创造了什么新的价值。

4. AI First 不只是工具，而是一种思维方式

今年最明显的变化，是 AI 已经从一个辅助工具变成了一种新的工作模式。

过去的思考顺序通常是：我该怎么做？

现在更应该先问：AI 能帮助我完成哪些部分？

例如：

• 文档撰写
• 数据分析
• 代码生成
• 测试用例设计
• 知识检索
• Root Cause Analysis

哪些部分可以用 AI 来辅助，我个人体会几乎所有任务 AI 都可以完成了，当然质量如何取决于你的任务复杂度，需要你提供 context 和 review。

AI First 并不是让 AI 替代工程师。相反，它让工程师把更多时间投入到：

• 架构设计
• 业务理解
• 技术判断
• 创新探索

这些真正高价值的工作上。

未来几年，人与 AI 协作的能力，很可能会成为工程师的重要竞争力之一。

5. 主动展示成果，让影响力被看见

很多工程师习惯埋头做事，却忽略了成果传播。

亚马逊另一个重要原则是：

Earn Trust

而建立信任的重要方式之一，就是让别人看到你的成果。

过去一段时间里，我越来越重视：

• Monthly Sync
• Demo Session
• Leadership Review
• Tech Talk

这些活动的价值不仅是汇报工作。

更重要的是：

• 获取反馈
• 对齐方向
• 建立影响力
• 获得资源支持

很多时候，一个优秀的 Demo 所带来的组织影响，甚至超过几个月的默默开发。

好的工作需要被完成。

优秀的工作需要被看见。

总结

回头看，这些原则其实都不复杂：

• 坚持高标准
• 小步快跑
• 每周持续输出
• AI First 思维
• 主动展示成果

它们共同指向一个目标：

在保证质量的前提下，加快反馈循环，并不断扩大个人和团队的影响力。

对于工程团队而言，真正的竞争优势往往不来自某个单独的技术突破，而来自一套能够长期复利的工作方式。

而高标准、快速反馈和持续学习，正是这套工作方式的核心。