ISSUE — 基于议题的智能协同新范式
引言:智能协同的现实困境
使用AI本应让工作更高效,但现实却充满了悖论。
悖论一:效率工具反而降低了效率
- 写一个好的prompt需要反复调试,时间成本甚至超过自己做
- 每个人都在重复造轮子,没有可复用的标准流程
- AI的输出需要大量人工审核和修改,"节省"的时间都花在了校对上
悖论二:降低门槛却提高了门槛
- 不仅要精通业务,还要精通"如何与AI对话"
- Prompt工程成了新的技能要求,增加了学习成本
- 团队中每个人的AI使用水平参差不齐,协作困难
悖论三:追求创新却陷入混乱
- 没有统一的协作模式,每个人都在"自由发挥"
- 质量完全依赖个人能力,无法保证稳定输出
- 好的实践无法沉淀,坏的习惯不断重复
这些问题的根源在于:我们还没有建立智能协同的标准范式。
就像软件开发从"个人英雄主义"进化到"工程化协作",智能协同也需要从"随机对话"进化到"结构化协作"。
Deepractice 提出了一种全新的协作范式——ISSUE方法(Initiate, Structure, Socratic, Unify, Execute),它通过标准化的协作流程,让智能协同变得高效、可控、可规模化。
什么是ISSUE方法
ISSUE方法的核心理念很简单:
- 人类负责发起议题(Issue),掌握"什么值得做"的决策权
- AI通过苏格拉底式对话,基于预设的方法论框架,协助人类深化思考、挖掘需求、收集决策信息
- 议题在对话中递归展开,从原始问题生成结构化的问题网络,最终转化为可执行的工作流
- 方法论作为边界,既保证协作的高效,又不限制创新
这种分工体现了真正的优势互补:
人类拥有:
- 主观能动性:能够主动发现问题、定义价值、设定目标
- 责任承载力:能够为决策负责、承担后果、做出价值判断
- 决策权力:决定什么重要、什么值得做、往哪个方向走
AI拥有:
- 海量知识:跨领域的知识储备和即时调用能力
- 处理速度:快速理解、推理和生成方案的能力
- 执行效率:标准化、规模化、不知疲倦的执行能力
ISSUE方法正是让双方在各自的优势区域发挥最大价值——人类掌控方向盘,AI提供强大引擎。
ISSUE这个缩写,恰好诠释了这个方法的五个核心步骤:
- Initiate(发起)- 人类发起议题
- Structure(结构化)- 选择方法论框架
- Socratic(苏格拉底式)- 在框架内深度对话
- Unify(统一)- 整合信息形成方案
- Execute(执行)- 转化为行动
ISSUE五步法详解
1. Initiate(发起):创新的起点
每一个议题的发起,都是一次创新的开始。
人类通过发起议题,定义了"什么是重要的"、"什么值得关注"。这不仅是一种权力,更是一种责任。在ISSUE方法中,人类保留了这个最核心的权力——决定方向的权力。
这一步看似简单,实则最难。它需要洞察力、判断力和勇气。一个好的议题,能够激发整个协作流程的价值。
2. Structure(结构化):共识的力量
议题被提出后,首先需要选择合适的方法论框架。这一步至关重要——它决定了后续对话的边界和方向。
每个组织都有自己的工作方法和协作模式。比如:
- Bug修复 → 匹配缺陷处理流程
- 新功能开发 → 匹配敏捷开发框架
- 战略规划 → 匹配OKR或BSC框架
这种预设的框架不是限制,而是共识的结晶。正如我常说的:"标准就像企业的代码"——它定义了组织的运行逻辑,决定了协作的效率和质量。
3. Socratic(苏格拉底式):有边界的深度对话
在确定的框架内,AI开始发挥独特价值。
通过苏格拉底式的提问,AI帮助人类:
- 明晰模糊的想法
- 发现隐藏的假设
- 挖掘深层的需求
- 识别潜在的风险
关键在于:这些提问是有边界的。框架确保了对话不会漫无目的,每个问题都指向明确的目标。这不是简单的信息收集,而是一种"助产术"——在框架的指引下,帮助人类"生出"已经存在但尚未明确的智慧。
4. Unify(统一):从理解到方案
经过深度对话,现在需要将收集的所有信息整合成统一的执行方案。
这个环节的价值在于:
- 信息整合:将零散的对话内容结构化
- 方案生成:基于框架生成可执行的步骤
- 资源配置:明确需要的人员、工具、时间
- 风险评估:识别潜在问题和应对措施
Unify不是简单的总结,而是一个创造性的综合过程——将议题、框架、对话内容融合成一个完整的行动计划。
5. Execute(执行):效率的极致追求
当问题被充分理解和展开后,执行就变得清晰而高效。
AI可以:
- 自主执行标准化任务
- 调用专业工具和资源
- 协调多个执行单元
- 持续监控和优化
在执行阶段,追求的是效率、质量和可靠性。创新已经在前面的步骤中完成,现在需要的是精准的实现。
核心原则:"约而不束"是智能协同的黄金法则
ISSUE方法的核心原则可以概括为"约而不束",这是智能协同成功的关键。
约——建立必要的边界和标准
- 方法论框架提供清晰的协作结构
- 共同的语言确保信息准确传递
- 标准化流程保证输出质量稳定
不束——保持灵活性和创造空间
- AI可以在框架内自由发挥其推理能力
- 人类的创新思维不被模板限制
- 允许根据具体情况调整执行策略
为什么"约而不束"如此重要?
智能协同最大的挑战是在效率和创新之间找到平衡。太多约束会扼杀创造力,太少约束会导致混乱。"约而不束"提供了一个最优解:
- 通过"约"确保协作的可预测性和可规模化
- 通过"不束"保持适应性和创新能力
- 让人类和AI都能在各自的优势区域充分发挥
这不是妥协,而是智慧——认识到标准化和灵活性并不矛盾,而是相辅相成。
问题的力量:为什么Issue是一切的起点
在ISSUE方法中,"I"(Initiate)不仅是流程的第一步,更是整个范式的哲学基础。
提出问题是人类独特的创造力
爱因斯坦说:"提出一个问题往往比解决一个问题更重要。"这不是文字游戏,而是对创新本质的深刻洞察。
解决问题往往有标准路径、最佳实践、既定方法。但提出问题需要:
- 洞察力:看到别人看不到的矛盾
- 勇气:质疑现状和权威
- 想象力:设想不存在的可能性
这些能力构成了人类不可替代的价值。AI可以完美执行任务,但它不会质疑"为什么要做这个任务"。
问题定义了边界和方向
每一个Issue的提出,都是在做三件事:
- 定义边界:什么在讨论范围内,什么不在
- 设定方向:我们要往哪里去
- 赋予意义:为什么这件事重要
这种"定义权"就是人类在AI时代最核心的权力。如果我们放弃了提出问题的权力,就等于放弃了对未来的主导权。
从单一问题到问题网络
ISSUE方法的精妙之处在于:一个原始问题(人类提出)通过系统化的展开,会生成一个问题网络(AI协助)。
这个过程是生成式的:
- 人类的原问题是种子
- 方法论框架是土壤
- AI的提问是养分
- 最终生长出解决方案的大树
这种"问题生成问题"的递归过程,让简单的议题能够展开成复杂的执行计划,同时保持结构性和可控性。
实践案例
案例1:Sprint Planning(冲刺计划会)
Initiate: "下个Sprint我们要完成用户登录功能改版"
Structure: 匹配Scrum框架的Sprint Planning模板
Socratic: AI基于Scrum框架提问:
- 这个功能的验收标准是什么?
- 涉及哪些用户故事?
- 有哪些技术依赖和风险?
- 团队成员的可用时间如何?
Unify: 整合信息生成Sprint Backlog:
- 5个用户故事,总计21个故事点
- 明确每个故事的Definition of Done
- 识别2个技术风险及应对方案
- 任务分配和时间线
Execute: 创建Jira任务,更新看板,启动Sprint
案例2:Daily Standup(每日站会)
Initiate: "今天的站会议题:登录功能进度同步"
Structure: 选择Daily Standup三问框架
Socratic: AI引导每个成员回答:
- 昨天完成了什么?
- 今天计划做什么?
- 遇到了什么阻碍?
Unify: 汇总团队状态:
- 进度:前端完成70%,后端完成50%
- 风险:API文档不清晰影响前后端对接
- 行动:安排下午2点API对齐会议
Execute: 更新燃尽图,创建阻碍清除任务,发送会议邀请
案例3:DDD事件风暴工作坊
Initiate: "设计电商系统的订单领域模型"
Structure: 选择DDD事件风暴(Event Storming)框架
Socratic: AI引导领域专家深入探讨:
- 订单生命周期有哪些关键事件?
- 什么会触发订单状态变化?
- 涉及哪些角色和外部系统?
- 有哪些业务规则和约束?
- 异常场景如何处理?
Unify: 整合形成领域模型:
- 识别出15个领域事件(下单、支付、发货等)
- 定义5个聚合根(Order、Payment、Inventory等)
- 明确3个限界上下文的边界
- 梳理出关键的业务不变量
- 生成事件流图和聚合关系图
Execute: 生成领域模型代码框架、API设计文档、数据库设计
深层思考:人类的尊严何在
如果AI能够完美执行任何任务,人类的价值在哪里?
ISSUE方法给出的答案是:人类的尊严在于定义意义。
- 决定什么是重要的
- 判断什么是有价值的
- 选择什么是正确的
这些能力不是技术问题,而是价值问题。它们构成了人类不可替代的核心价值。
当我们说"发起议题是一种权力"时,我们实际上在说:人类保留了定义世界的权力。如果人类连这个权力都放弃了,那确实就没有存在的必要了。
结语
ISSUE方法的核心洞察很简单:提出问题即创新,通过标准提高解决问题的效率。
作为专注于智能协同领域的研究团队,Deepractice 将持续探索和优化人与AI的协作模式。ISSUE方法只是我们的第一步,未来我们将推出更多创新的智能协同解决方案,帮助团队和组织在AI时代实现真正的效能提升。

