跳到主要內容

Scrum management tool 敏捷開發工具概觀介紹

Scrum management 工具概觀介紹


會有這個念頭興起主要也是因為這幾個月內,是在公司內部訓練透過 Teddy 老師 Scrum 課程了解整個 Scrum 的流程,開始進行團隊的 Scrum 流程導入。

在過年春節期間去嘗試市面上的 Scrum 管理軟體,也透過眾多大大得到解答

這邊就不詳細討論怎麼進行 Scrum 的軟體開發,而是在於管理機制,就整個流程上,對於自己需要的項目有,
  • Sprint
  • User Story (Backlog)
  • Task management
    • task time counter
    • task assignee
  • burndown chart
以上這幾個是在 Scrum 流程裡面最基本的需求以及解法,而根據大量搜尋結果,也找到許多不同平台,以下為個人分析經驗,

trello.com

一開始很直覺的就會採用到 Trello ,而經過測試後,如果直接的使用 trello 是沒有辦法達到以上的所有方法,必須要結合,scrum for trello ,所以也表示如果你的電腦沒有安裝 Chrome的話,勢必就是 GG
的確這是一個假命題,身為一個開發者,或者前端人員怎麼可能沒有 Chrome ,(也許真的沒有),不過比較麻煩的是,雖然 trello 加上套件後可以管理 Task, time counter, burndown chart 都有支援,但是通常一個 Sprint 會有兩到三個 User Story ,所以對於 task 橫向管理對應 User Story 是比較麻煩的。

taiga.io

Taiga 也是許多人推薦的一套管理系統,就整體表現以及流程上,的確沒有像是 trello 這麼順暢,不過從另外一個方面來看,他是完全 open source ,而且可以 self host 這點來說,的確是非常適合用於自己的敏捷專案管理上,這點的確可以說是開源軟體的轟炸機。

不過就回到 Scrum 管理層面來說,畢竟人家 taiga 開宗明義就說了,流程上是符合于 kanban ,所以缺少了 task time counter 的部份,也沒有 User story 管理。所以回到 Scrum 本身,Taiga 就並不是這麼適合。

blossom.io

blossom 是在網路上找了許多文章之後,蠻推薦的敏捷管理工具(請注意這邊指的是敏捷開發管理工具,並不是單指 Scrum) ,在他的介面以及流程上都很直覺,而且提供了完整的 task management ,不過很直接的流程跟 Trello 類似,但是又補上了 redmine 的好,所以就管理工具上 blossom 的確不錯。

不過回頭來,我們是在找 Scrum 管理工具,所以還是少了多個 User Stroy 在 Sprint 的管理,以及 Task time counter 等項目上。

Jira + Jira aglie

Jira 在多數的人當中,也是有許多推薦的聲浪,因此也去嘗試了一下,試過之後,的確是 ticket management 的好用工具之一(請注意是之一,不是唯一)。

就這次的目標我們是要找 Scrum 的管理工具,如果就 Jira 本身是沒有辦法滿足管理的條件,必須要搭配 Jira agile 才會提供 Scrum board 可以使用。

就整體本身 Jira aglie 的確可以達到我們的需求,不過當人數需求增加超過 10 個人以上之後,費用會從 20 USD -> 75 USD / month,所以建議另外開一個帳號來作為團隊管理。

我相信這是因為 Jira 是一個非常專業的管理工具解決方案公司,知道 agile 的精神,所以使用價格策略,讓大家的團隊盡量在 10 人以下(肯定是這樣子,沒錯)。

icescrum.org

icescrum 是個非常有趣的專案,感覺應該是很久沒有維護,或者比較少去更新使用者介面,所以看起來就有一點 ...,像是 80 年代的創意軟體。

不過就整體來說,除了介面醜一點,使用流程卡了一點,在建立自己的環境稍微慢了一點,以整體來說,還算是不錯,功能上大部分也都符合,(除了有時候會當機之外,我想這可能是自己設備的問題)。

Visual Studio online

在這次討論串中,大大給了一個很棒的方向,Visual studio 提供了線上的版本,提供專案管理的工具。

整體功能性上,都已經滿足 Scrum ,不過一樣少了 Task time counter ,但是卻提供了 task status 的管理,這的確也是解決方案之一,透過 status 來調整 burndown chart ,也是蠻直覺的。

同時解決了 ticket management + User Story 管理,的確是一個選擇方案。

就缺點來說就是一開始的畫面因為扁平化的關係,不知道要從哪裡開始點擊(有些 input 及下拉選單是沒有 border 的)另外不知道為什麼,我這邊連線過去就是反應很慢。(可能因為機房在北美的關係)

Targetprocess

Target process 也是在透過文章找到的解決方案之一,流程及解決方案都有,而且可以符合 Scrum, Kanban 的開發流程管理,所以對於敏捷團隊來說 Target process 是一個解決方案之一。
就整體上 Target process 因為要符合彈性,以及自定架構,讓整個操作流程在一開始的時候需要有人先行去了解,如何建構基本的設定環境,後來再請 Team member 進入,(真的介面設定上有點麻煩,有點囉嗦,一開始眼睛會很花),當然這些基本功是設定一次之後,就可以不用再進行,這倒是蠻可以接受的。

scrumwise



Scrumwise 聽名字就知道完完全全跟 Scrum 符合的條件,而且符合 Scrum 的工作流程,當然如果你是希望 kanban + scrum 那這套你不要想了。

就回到 Scrum 流程中,眾多平台中,這套是屬於最適合用於 Scrum flow ,流程比較簡潔,使用方式也比較單純,在 task , User story , sprint 的應用上都十分完成。

唯一缺點,應該就是他是用 flash 寫的,一開始跟 cacoo 一樣,需要一些載入等待時間,不過後面就順暢很多了。

後記

這次的紀錄其實也是為了自己團隊的開發流程,畢竟很多事情都是要自己下去摸過之後才會有所認知,就上面的許多強調自己是『agile management tools』 ,但是方法不同,流程不同,效果也會不同。

要給予彈性,就會增加了使用的困難度。多了易用性,就會少了許多流程上的彈性,因此不管怎麼做我相信都會有話說,都會有問題點可以挑出來。

以上項目硬是要挑,就個人會以 scrumwise, Targetprocess, Visual studio online, Jira + Jira aglie 這四套作為 Scrum management tools 推薦。

特別是 Scrumwise 如果真的要推 Scrum ,又要用線上工具的話,這套系統真的比較適合。

後記的後記

會有這個議題開始主要是貼上去 3M 的便條紙都會飛下來,有時候打個噴涕就會便條紙亂飛。(認真)目前似乎也沒有 3G 的便條紙在賣,因此在某次 Sprint 的 retrospective 過程中,才會有希望把白板加上便條紙的方式改成線上作業,避免便條紙亂飛的回饋,也就開啟了這個新話題

以上線上服務項目都沒有特別去強調價格,雖然個有個的好,不過平均下來一個人幾乎都要 5 USD / user / month ,以成本來看,一年下來以一個團隊 10 人左右,大約費用為 600 USD / year (約為 18000 NTD)。

如果換算成台灣的話,買一個白板,買一堆便條紙,馬克筆,也不用到這麼多錢。

也讓我回想到,為什麼沒有太多公司投入去只『單純進行 Scrum management tool』 的開發,大部分平台都還是 Scrum 為附加,以 ticket management 為主的產品線為出發點。

畢竟 Scrum 的精神就是講求快速有效,那當然是從一張白壁紙開始,一個大白板開始,讓大家都可以一目了然,讓大家都使用最簡單的方式,用最快的方式進行。

也許,真的最簡單的方式,就是最快的方式。

不知道大家的想法是什麼,有哪些推薦的軟體或平台呢!?歡迎底下留言,或者到 熱血漢誌 留下意見。

留言

這個網誌中的熱門文章

Vibe Coding:為什麼 Junior 更快上手?Senior 要如何追趕?

現象層面(市場觀察) 最近有篇文章討論 junior & senior 開發者在 AI 時代的角色轉變,非常熱門。 身為 Cympack 產品開發團隊 ,我們也一直關注這個議題,在閱讀這篇文章時觀察到一些有趣的現象,對我們來說,這正好反映出 AI 正在改變開發生態,junior 借力 AI 快速成長、senior 則需要在 「架構思維」 與 「多 agent 協作」 中找到新定位,其中有些啟發(insight) 可以跟大家分享。 為什麼 Junior 更容易上手 vibe coding? 心智負擔低 → Junior 沒有太多傳統 code workflow 的框架包袱 敢於嘗鮮 → Gen Z / 年輕工程師天生習慣用 prompt-based 工具、跟 LLM 互動 少「優雅程式設計」的束縛 → 不太糾結「這樣寫會不會不夠優雅」,反而 embrace 快速迭代、快速出成果 反觀 Senior: 熟悉大型系統設計 有豐富的「工程正統流程」知識(架構設計、測試策略、效能優化、設計模式) 對 AI 生成 code 的品質 / 維護性通常比較保留 部分 10+ 年資深工程師,對 prompt engineering 沒那麼熟練,還在觀望 技能面(未來的關鍵能力) Vibe coding 本質上 = prompt engineering + AI co-pilot 管理能力 能力項目 誰目前比較有優勢? Prompt 撰寫 / AI 互動 Junior 較強(熟悉 chat-based 流程) 系統設計 / 架構把關 Senior 較強 AI 生成 code 驗證 / Bug 察覺能力 Senior 較強(能看出潛在問題) 快速疊代 / Hackathon 式開發 Junior 較強 長期維護性 / 穩定性 Senior 較強 總結 Junior 確實更快適應 vibe coding,並且更習慣以 「chat-based coding」 的工作流開發。 Senior 擁有驗證 AI 產物與系統設計的深度能力,但若不主動練習 vibe coding,長期會逐漸落後於新一波開發潮流。 就如同在 GAI 技術年會分享,希望帶給各位的感受, 『與 AI 協...

Vibe Coding 協作到自建 Dev Agent?從 Claude / Codex 到 OpenHands

過去一年,越來越多工程師開始 把 AI 真正帶進工作流程 。從一開始用 ChatGPT、Claude 來問語法問題,到後來很多人愛上 Cursor,直接在編輯器裡讓 AI 幫忙改 code、補 test case、甚至自動整理 PR。這樣的開發體驗,已經大大改變了我們寫程式的方式。 更現實的是,在很多企業內部、政府單位、或涉及機密資料的專案裡, 其實根本不能直接用 Cursor 或雲端 LLM 工具。   畢竟這些服務通常會把資料傳到雲端模型做處理,萬一專案裡有未公開的技術、敏感客戶資料,或是受限於法規 (像金融、醫療、政府標案) ,直接用雲端 AI 工具就會踩 紅線 。  因此,許多團隊反而更希望 「自己架一套 Dev Agent」 ,可以在內網執行,資料完全掌握在自己手上,該整合的內部工具、該讀的私有 repo、該串的 CI/CD pipeline,全部客製化、安全可控。 這時候,像 OpenHands 這樣的開源 Dev Agent 框架就特別有價值。它的出發點不是單純的 AI 助手,而是讓你能夠打造出一個真的可以跑在自己環境裡、可以理解整個開發流程的 AI 工程師。從建置到部署,從 CLI 操作到瀏覽器查詢, 從多檔案編輯到自動測試,全部都能自己完成,甚至還能針對不同專案調整專屬的工作流。 對很多開始探索 AI 協作開發的團隊來說,這是一條 從 「AI 幫你寫一段程式」,走向「AI 幫你解決一整個任務」 的進化路徑。而且,還是在可控、可自定義、安全的環境裡完成的。 🧩 主要概述 OpenHands 是由 All‑Hands AI 開發的開源「軟體開發代理人平台」,能模仿人類工程師從建立程式、修改程式碼、執行指令,到瀏覽網頁、呼叫 API……等一整套開發流程 它提供雲端(OpenHands Cloud)與本地 Docker 運行版本,用戶能配置 LLM(如 Claude、OpenAI、Gemini…) 📚 核心特性與怎麼使用 代理人的工具能力 支援代碼編輯、命令行、執行環境、網頁瀏覽、API 呼叫—接近人類開發者完整技能。其中 OpenHands Cloud 版本提供 $50 試用額度讓大家方便使用,又或者如果自己本機有 docker 的話,可以自己Local 版本透過 Docker 自架環境。 ...

Google Gemini 全端 AI Agent 快速入門 - 打造「思考」的 AI 助理

一套從搜尋、反思到輸出的全端 AI 代理人範例,讓你看懂什麼叫 Research Agent 在 AI 工具百家爭鳴的今天,大家都在問一個問題: 「我能不能不只問 AI 答案,而是讓它像一位助理一樣,有流程、有反思、還有出處,真正幫我完成一件事?」 Google 最近釋出了一個相當具有指標意義的開源專案 gemini-fullstack-langgraph-quickstart ,正是為了解這個問題而誕生。 這套系統到底是什麼? 這個範例不是傳統 Chatbot,而是展示一個完整的 AI research agent : 它會根據使用者的提問,自動發想搜尋關鍵字、查資料、整合重點,最後給出答案還附上引用來源。背後的邏輯設計得非常扎實,不只是能跑,更是具備可讀性、可擴展性與可商用性。 它的流程大致如下:  1. 使用者輸入問題(例如:「抖音是否影響台灣選舉?」)  2. Gemini LLM 幫你想出關鍵字(不只是照抄問題)  3. 呼叫 Google Search API 抓資料   4. LangGraph 控制流程 → 判斷資料夠不夠 → 若不足,自動補查  5. 整合最終答案,並產生 citation(來源說明) 你可以想像這就像一位實習助理幫你寫報告, 不只輸出一段內容,而是會 去查、會判斷、會補資料,而且說明「我為什麼這樣說」 。 LangGraph 是什麼角色? LangGraph 就是整個 Agent 背後的控制系統 。 用白話講,它幫你定義 AI 每一步要幹嘛、遇到什麼狀況該走哪條路、要不要反思、要不要再查,甚至可以定義條件邏輯與資料流動。 這就不像寫一個單純的 Chat API,而是比較像「把一個流程圖變成可以跑的程式」。 對工程師來說,它提供了從 prompt 到流程控制的設計彈性;對產品設計來說,它讓 AI 有了 「多步驟任務執行」 的能力。 技術架構與使用方式 這整套系統是 Fullstack 架構,前後端都幫你整好了,技術選型也非常實用:   前端:Vite + React + TailwindCSS + Shadcn UI  後端:FastAPI + LangGraph...