第91讲 | 程军：打造高效技术团队之做事

适用范围：CTO、技术总监、工程经理，以及需要提升团队执行力与产品力的技术管理者

更新摘要（v2 · 2026-08 更新）：

• 结构化升级为 6 节骨架（导言 / 核心方法论 / 关键流程 / 工具与实战 / 常见误区 / 进阶延展）
• 新增"和业务心在一起"的 AI 时代协作流程
• 补充技术力与产品力的 AI 时代重塑（四阶段模型）
• 新增 2026 技术力三要素与产品力 AI 革命
• 整合可执行的 2026 行动清单
• 所有 Mermaid 图表添加 title frontmatter 并补充文字解读

1. 导言

上一篇，我跟你分享了招人的那些事，包括招聘渠道和识人两个大方向。众所周知，招人的核心原因是为了做事，所以，我今天就继续跟大家聊聊做事这个话题。

原文核心框架

团队必须要有一个共同的目标、可迭代的协作流程，以及统一的评价机制。做好事的关键：

1. 和业务心在一起
2. 打造技术力和产品力
3. 从内因和外因两方面分析

2. 核心方法论

2.1 和业务心在一起

我之前在饿了么负责产品和研发落地，在实际执行中，我会先和业务负责人沟通好彼此做事的方法和节奏，最主要的是先确定下一个月的业务目标，然后产品和研发团队这边好确定产品的目标。

我们每个月都会集中过一次下个月计划落地的产品功能，如果业务方 OK，产品经理就会提前准备 PRD，这样至少可以让团队提前了解下个月的规划，研发和测试团队也能提前准备，有一个缓冲，应了那句古话"兵马未动粮草先行"。

如果碰到紧急需求，我们做法是紧急需求不需要排期，可以按约定砍掉一些 P0 需求。如果出现 P0 需求也砍不掉的情况，只能从灵活的组织能力出发，在自己的团队中成立机动团队，这些人就是我们团队的特种兵，指哪打哪。

2.2 AI 时代协作流程

协作流程图展示了 AI 时代的全链路增强：业务目标 → AI 辅助生成 PRD → AI Code Review 技术方案 → AI Pair Programming 开发 → AI 自动化测试 → AI Ops 监控上线 → AI 数据分析反馈 → AI 建议迭代优化。每个环节都有 AI 参与，形成从目标到迭代的完整闭环，效率相比传统流程提升数倍。

2.3 评价机制

人一般很难找到自己的问题，所以定期和业务负责人乃至上级领导 one one 沟通，让他们指出自己做的不好的地方、欠考虑的地方，是真的可以帮助自己和团队改进和提升。

引用前公司老领导说过的一句话，"未长夜痛哭者，不足以语人生"。

3. 关键流程

3.1 技术力和产品力的三个阶段

第一个时间段是 2015 年~2016 年，技术团队从几十人发展到 500 人左右。

这期间，我可以毫不客气的说，我们根本没有什么产品力，先把业务的需求干完就可以，这个阶段要做的就是招人，干活，团队速度扩张快，但是工程效率低下，P0 事故频繁发生，痛苦不堪。

第二个时间段是 2016 年~2017 年，技术团队从 500 扩张到 1000 人左右。

这个时候慢慢出现一个大的问题，招进来的人是多了，可是响应新产品的效率依然很低。因此，这时需要沉淀我们的中台、中间件、工程效率工具及技术影响力。

以技术影响力为例，饿了么第一个有影响力的项目是"多活"，严格意义上来说国内真正做到多活的不超过 10 家公司。内部孵化的工具或者中间件就有 200 多个，还开源了更多的比如 Element 组件等等。

第三个时间段是 2017 年~2018 年，技术团队规模突破 1200+。

这个阶段广义来上来说，互联网产品一定是流量为王，留存为后，但最终你的模式要成功，要么可以赚钱自己造血，要么可以成为别人的护城河或防御工具。按上面的思路我们开始了双剑合并，选择加入阿里的怀抱。

3.2 四阶段模型（含 AI 时代新增）

3.3 2026 技术力三要素

分解图展示了 2026 年技术力的三大要素：传统技术力（系统架构、代码质量、性能优化）仍是基础；AI 技术力（模型选型、Prompt Engineering、Agent 设计）是新增核心；融合技术力（人机协同工作流、AIGC 质量保障、AI 伦理安全）是两者的交叉领域。三者缺一不可，传统技术力是根基，AI 技术力是加速器，融合技术力是保障。

3.4 产品力的 AI 革命

原文："互联网产品一定是流量为王，留存为后" 2026 升级："AI 原生产品 = 智能体验为王，个性化为后"

4. 工具与实战

4.1 内因和外因的 AI 时代解读

内因（可控因素）：

1. AI 成熟度评估

   plaintext

   Level 1: 实验阶段 - 少数人在用AI工具
   Level 2: 推广阶段 - 团队标配AI编程工具
   Level 3: 融合阶段 - AI融入研发全流程
   Level 4: 引领阶段 - AI成为核心竞争力  ⭐ 2026目标

2. 组织 AI 就绪度检查清单：

   • 是否有统一的 AI 工具栈？
   • 是否有 Prompt Engineering 规范？
   • 是否有 AI 输出质量标准？
   • 团队是否接受 AI 辅助决策？
   • 是否有 AI 相关的 KPI？

外因（环境因素）：

1. 竞争压力：竞品已用 AI 将研发效率提升 3-5 倍
2. 人才市场：84% 开发者期望公司提供 AI 工具
3. 技术趋势：Agent 加速落地，不布局就落后
4. 客户期望：用户习惯 AI 产品的智能体验

4.2 2026 行动清单

本周可做（Quick Wins）：

1. 为团队配置 AI 编程工具

   • 推荐：GitHub Copilot / Cursor / Windsurf
   • 成本：约 $20/人/月
   • 预期 ROI：效率提升 30%+

2. 建立第一个 Prompt 模板库

   • 场景：代码审查、Bug 排查、技术方案撰写
   • 方式：共享文档 + 版本控制

3. 用 AI 优化一次 Code Review 流程

   • 工具：GPT-5.5 + GitLab/GitHub 集成
   • 目标：减少 80% 的重复性审查工作

本季度目标（Strategic Goals）：

1. 完成团队 AI 成熟度从 Level 1→Level 2

   • 培训覆盖率 100%
   • AI 工具使用率 >80%
   • 至少 1 个 AI 成功案例

2. 打造 1 个 AI Native 产品特性

   • 用 Agent 重构某个现有功能
   • 用户体验提升可量化

3. 建立 AI 效能度量体系

   • 指标：AI 辅助产出占比、AI 工具使用时长、Prompt 成功率
   • 月度复盘，持续优化

5. 常见误区

5.1 做事的常见陷阱

5.2 业务协作的误区

• 技术与业务脱节：技术团队闭门造车，不和业务方沟通目标和方法
• 紧急需求处理不当：没有机制应对紧急需求，导致正常排期被打乱
• 评价机制缺失：不定期与业务方 One-on-One 沟通，不知道自己的问题
• 过度承诺：为了取悦业务方过度承诺，导致团队疲于奔命

6. 进阶延展

6.1 核心结论

程军的"做事"方法论在 AI 时代依然有效——和业务同心、打造技术力与产品力、内外因分析。但 2026 年的"做事"效率可以提升 10 倍，关键在于：用 AI 增强执行力，用人类保持判断力，用人机协同创造更大价值。

6.2 One-on-One 的 AI 辅助

2026 版 One-on-One：

• 会前：AI 汇总双方合作数据（交付率、响应时间、满意度）
• 会中：AI 实时记录要点，识别潜在问题
• 会后：AI 生成 Action Items，跟踪落实情况

6.3 核心原则不变

程军金句："未长夜痛哭者，不足以语人生"

2026 补充：但有了 AI 助手，你可以少熬一些夜，把时间花在更有价值的思考上。

凌晨 5 点 43 分的江城，现在可以有 AI 陪你一起看窗外的风景了。

本注解基于 2026 年 6 月技术环境生成。2026 年的技术背景：GPT-5.5 发布，DeepSeek V4 国产大模型崛起，84% 开发者已将 AI 编程作为日常工作方式，Agent 进入加速落地期。