软件开发界经常出现诸多争论，比如工具和工程这两个方面，很多人容易搞混。提及敏捷和瀑布这两种开发方式，许多人误以为它们与工具紧密相连，实际上它们是工程方法论的一部分。即便是Excel这样的简单工具，也能用于敏捷开发，这一点常常被人忽略。
敏捷开发与工具无关
敏捷开发代表了一种思想，并非仅限于某种特定工具。记得有一次，在一家小型创业公司的一个项目里，团队仅用基础的Excel表格来规划和管理敏捷开发流程。他们通过Excel的单元格来标注任务进度，即便没有专门的敏捷开发工具，也能高效协作。即便在大型企业项目中，即便配备了全套专业工具，若不掌握敏捷开发的本质，也仅是徒有其表。这实际上揭示了工程方法和工具之间的可分离性。开发方法本质上是一种理念，与具体使用的工具无关。
观察那些大型企业里的项目研发流程，不管他们采用何种工具，只要项目小组坚持敏捷开发的核心原则，比如持续迭代和灵活应对需求变化，通常都能取得令人满意的结果。因此，现在很多团队都重视先精通开发的理论方法，然后再挑选适合的工具。
技术体系中的某些产品发展受限
当前技术领域中，专注于特定程序运行空间的产品相对较少，这种情况与整个技术体系所处的阶段密切相关。以某个程序为例，尽管它已经存在了很长时间，但发展并不理想。这主要是因为它的程序结构与当前的新运行环境不相匹配。以十年前设计的网络程序为例，那时的服务器配置和带宽设置，与现在的云计算和5G高速发展环境相比，显然是远远不够的。若要实现发展，就必须对程序结构进行改革，调整其根本的逻辑框架，以便与当前的技术环境相适应。
还有一例，某企业用的一款软件，依赖的是过时的代码体系，这使得它在新型操作系统上运行速度慢，且兼容性问题频发。无论开发者如何调整外部运行设置，问题都难以得到根本解决，症结在于软件的程序设计本身。
相对兼容应用结构的工具情况
这类产品与现有应用结构相容，能提供更优质的开发、管理和运行支持。以k8s为例，它就是此类产品的典型代表。不少初创企业凭借这类工具实现了显著的增长。在软件开发领域，这些工具为开发者带来了稳定的运行平台和便捷的管理手段。以网站开发为例，借助这些工具，服务器资源的部署和项目中多个服务的管理都能变得轻松自如。
而且，这些工具还能有效提升开发速度。它们对开发团队在资源管理以及解决不同开发环境中出现的问题方面，提供了显著支持。曾有一家互联网公司，因不同环境下的部署难题而疲于应对，但自从采用了此类工具后，部署和管理变得简单多了。
Jira在国内外的不同境遇
Jira里的需求被视为开发流程的一部分，尽管在全球范围内它面临的产品挑战不多，插件功能也能应对多种场景。然而，在中国却存在特殊情况。一方面，受国外产品政策的影响，另一方面，国外产品在满足用户“管理”需求方面做得还不够充分。比如，中国的敏捷开发模式往往与瀑布模式交织，这时Jira就难以完全适应。此外，在业务需求管理上，中国企业有其独特之处，需要更贴合自身流程的工具。
曾经，我国某家企业尝试了Jira，却觉得用它来管理内部繁杂的业务流程颇为困难，特别是处理多层嵌套的需求时。和国外企业相比，我国的情况更为复杂，需求流程更加多样化。
业务功能模块化低代码的价值
在特定行业领域，业务功能的模块化低代码技术颇具价值。以一家电商企业制作促销页面为例，运用低代码平台能迅速构建，无需开发人员从头编写大量代码。这不仅节约了时间，还让非技术人员有机会参与项目。低代码平台允许业务人员依据自身业务知识，简单组合功能模块，快速推出轻量级应用。
对于创新项目来说，这一点尤为重要。创业公司往往需要迅速进行试错。而低代码平台，则为此提供了快速搭建和修改功能的机会。
开源产品与云厂商相关产品
IDE对软件开发极为关键，因此众多产品选择开源是有其合理性的。比如，许多流行的开源IDE及其变体，以及微软的相关产品。众多云计算服务商的产品，不少是建立在开源内核之上的改进。这些产品缺少核心的技术支撑，处于一种定位不明的状态，且缺少明确的应用领域。实际上，在云计算服务商的产品竞争中，许多产品都是基于开源技术进行二次开发的，资源主要集中在服务层的优化上，对整体应用场景的拓展能力相当有限。
某小云服务供应商仅靠开源产品进行改造，在激烈的市场竞争中难以凸显自身特色，于是不得不通过降价策略与其他企业争夺市场份额。然而，这种做法往往导致双方都遭受损失，而用户也无法享受到优质的服务。
测试工具的AI化趋势
测试工具正朝着AI化的方向发展。现在，很多工具能够利用历史测试数据来生成新的测试代码，比如Test.ai这样的视觉分析测试UI工具也在增多。这些工具的应用，显著提升了测试的效率和精确度。在SaaS平台的测试过程中，以往可能需要几天完成的任务，现在借助AI化的测试工具，几小时就能得出结果。更重要的是，它们还能揭示出人工测试难以发现的问题。
这一趋势促使测试领域发生变革，以往许多人工测试流程正逐渐被自动化所替代，对测试人员的能力要求也从仅仅执行测试脚本，转变为必须掌握与人工智能相关的技术方法。
测试管理的情况
测试管理涉及对测试案例、计划和结果进行管理，并生成结构化的数据报表。许多测试管理工具正是如此运作。相较之下，管理工具种类较少。然而，有一家公司提出的，将数据化与测试管理相结合的新理念颇具创新。在传统的手机APP测试项目中，测试结束后，大量数据往往被闲置，未被有效利用。这种新理念能够将测试结果与开发过程中的问题定位相连接，从而提升整个软件开发周期的质量。
可观测性相关问题
可观测性一直存在，过去在单体应用和客户端架构简单时并不显得特别关键。那时，企业内部办公软件出了问题，排查起来较为容易。然而，如今情况已变，面对海量的数据，将开源产品有效整合变得尤为艰难。曾有一家大型互联网公司试图自行构建可观测性系统，整合多种开源工具，但在处理众多用户访问数据时遇到了问题。由于缺乏充足的计算资源和有效的算法，系统出现了卡顿，甚至崩溃的情况。
我想请教各位，就目前软件工程工具和方法的进步，有哪些地方您认为迫切需要改进的？若您对这篇文章有所感触，不妨点个赞或者转发一下。
