Com funciona DCP Flow
Explica el model operatiu de DCP Flow, la seva adaptació pragmàtica de Scrum, els artefactes principals, Golden Flows, evidència i acceptació humana.
Explica el model operatiu de DCP Flow, la seva adaptació pragmàtica de Scrum, els artefactes principals, Golden Flows, evidència i acceptació humana.
DCP Flow funciona com un sistema de treball iteratiu que combina decisions humanes, artefactes explícits, execució assistida per IA i evidència verificable. Pren idees de Scrum, però redueix cerimònia i afegeix controls específics per a enginyeria amb agents.
Un model operatiu pragmàtic
Els sprints s’orienten a outcomes verificables, no a acumular tasques completades. L’equip defineix un objectiu, limita l’abast, executa amb context compartit i revisa evidència abans d’acceptar el resultat.
- Iteració i backlog amb menys cerimònia.
- Sprint Goal com a resultat verificable.
- Human Gate per a decisions materials i acceptació.
- Retrospectiva i aprenentatge tanquen el cicle.
Artefactes que connecten intenció i execució
Constitution, Standards, Blueprints, Skills, ADRs, Golden Flows, Quality Gates i Project Truth compleixen funcions diferents. Una conversa o resposta d’IA no es converteix per si sola en veritat del projecte.
- Golden Flow: recorregut crític end-to-end.
- Evidence: prova observada o executada.
- Quality Gate: evidència mínima abans d’avançar.
- Repository Truth: estat durable i auditable.
Scrum adaptat al context DCP
DCP Flow conserva de Scrum la iteració, backlog, priorització, revisió i millora contínua, però redueix cerimònies i rols rígids quan aporten poc valor. Un sprint és principalment un contracte d’outcome verificable i no només una finestra temporal.
- Treball incremental.
- Backlog explícit.
- Sprint com a outcome verificable.
- Menys cerimònia quan el risc no la justifica.
El cicle operatiu complet
La metodologia connecta outcome, discovery, decisió ADOPT/CONFIGURE/INTEGRATE/EXTEND/BUILD, arquitectura, Blueprint i Standards, Golden Flow, execució, QA, evidència, revisió humana, release i aprenentatge. Això conserva continuïtat entre la decisió inicial i el resultat verificable.
- Outcome → Discovery → Decision.
- Architecture → Sprint → Execution.
- QA → Evidence → Human Review.
- Release → Support → Learning.
AI-native no significa AI-autonomous
Kai i els Execution Agents acceleren anàlisi i implementació sense eliminar l’autoritat humana. Decisions materials, acceptació, risc i autorització continuen governats. Git, PRs i evidència preserven una veritat durable més enllà d’una conversa amb un agent.
- Kai aplica la metodologia.
- Execution Agents fan treball delimitat.
- Human Acceptance conserva responsabilitat.
- Git/Evidence preserven traçabilitat.
Glossari contextual＋
Recorregut crític end-to-end que ha de funcionar i produir evidència verificable.
Punt de control on l’evidència determina si el treball pot avançar.
Prova d’un resultat observat o executat; no una afirmació de l’agent.
Punt on una decisió material requereix acceptació o autorització humana.