ScrumPilot 19：反馈闭环 + 采用度分析

Sprint 17 是发布后的自然延伸。系统要能收集反馈、分析采用度、生成 roadmap candidates，让产品进入持续改进。

本篇要解决的问题

这一篇关注 反馈闭环。如果把 ScrumPilot 看成一个从 0 到 1 的 AI 工程项目，这一步的价值不是单点功能，而是让上一阶段的能力能够继续向后演进。

交付目标

• Feedback Model
• Adoption Analytics
• Roadmap Candidates
• Post-release Report
• /feedback/report

设计思路

做 AI Scrum Master，最怕把所有逻辑都塞进一个 Agent 里。这个 Sprint 的实现应该保持三个原则：

1. 接口先行：先定义输入、输出和边界，再考虑具体依赖。
2. 可测试：核心逻辑不要绑定外部服务，先用内存实现或 mock 跑通。
3. 可替换：今天是本地实现，明天可以换成真实数据库、消息队列、模型 API 或前端框架。

这里要避免自动路线图过度承诺。系统只生成 candidate 和 rationale，最终进入哪个 Sprint 仍由产品和团队判断。

从 0 到 1 的实现步骤

第一步，先把目录结构建出来。目录本身就是架构边界，例如 src/workflows、src/rag、src/dashboard 这类模块，不应该互相越权。

第二步，定义 types。ScrumPilot 每个 Sprint 都先把类型写清楚，因为类型能强迫我们思考数据怎么流动。

第三步，实现一个 framework-neutral 的 service。不要一上来就依赖某个 HTTP 框架、数据库或队列，否则测试会变重，迁移也会困难。

第四步，补测试。测试至少覆盖成功路径、失败路径和边界输入。AI 项目也需要传统工程测试，否则 Prompt 或策略一改就不知道影响面。

第五步，更新 README 和 command-reference。每个 Sprint 的能力都要能被团队成员读懂、调用、验证。

验收标准

验收不应该停留在“代码写完了”。更合理的 DoD 是：

• 模块有清晰入口和导出；
• 核心类型稳定；
• 至少有一组成功/失败测试；
• README 解释了使用方式；
• npm run build 通过；
• npm test 通过。

小结

反馈闭环 是 ScrumPilot 逐步产品化的一块拼图。每一块单独看都不夸张，但组合起来，就能把一个 AI Scrum Master 从 Demo 推到可运行、可观测、可交付的系统。