第4章 平台团队结构:角色、使命与协作

搞平台工程,最绕不开的就是“人”的问题。技术选型、工具链、API设计……这些当然重要,但团队结构如果没搭对,再好的技术也推不动。我见过不少团队,工具造得特别牛,结果没人用——为什么?因为平台团队跟业务团队之间隔了一堵墙。

这一章咱们就聊聊平台团队该怎么建。说白了,就是回答三个问题:谁来做?做什么?怎么跟别人配合?

平台团队的三种典型角色

根据我踩过的坑,一个成熟的平台团队至少需要三类角色。你想想看,如果只有开发没有运维,平台上线后谁来兜底?如果只有后端没有前端,开发者用的控制台谁来画?

角色 核心职责 我在项目中见过的大坑
平台工程师 搭建底层能力:CI/CD、基础设施、可观测性 只关注技术炫酷,忽略开发者体验
平台产品经理 需求收集、优先级排序、API/UI设计 沦为“需求传话筒”,缺乏对开发者痛点的共情
平台SRE 保障平台可用性、成本控制、容量规划 业务出问题后才知道平台挂了,没有告警
我个人的建议:初期团队可以一个人身兼多职,但至少需要有一个人专门盯着“开发者体验”。否则过不了半年,业务团队就会开始骂平台难用。

平台团队的使命:不是造轮子,是消除阻力

很多团队一上来就想着“我们要做内部PaaS”,然后疯狂堆功能。结果呢?功能越做越多,文档越来越厚,业务团队根本学不动。

我始终记得一个原则:平台的价值 = 业务团队节省的时间 - 学习平台花的时间。如果学习成本大于节省的时间,业务团队必然会绕开平台自己搞。

所以,平台团队的使命不是什么“统一技术栈”,也不是“打造企业级基础设施”。说白了就一句话:让业务开发者能早下班。

  • 消除重复劳动:自动生成项目脚手架、自动化部署、统一日志收集
  • 降低认知负荷:提供标准化的API、文档简洁、控制台操作不超过3步
  • 保持灵活性:给业务团队留“逃生舱口”——当平台能力不满足时,允许他们直接用底层基础设施
我曾经踩过的坑:我们团队刚做平台时,强制所有项目必须使用我们封装的部署流程。结果有个业务需要快速接入第三方API,我们自己的流程还没支持,业务团队只能偷偷开SSH进服务器手动操作。后来我意识到——平台不是监狱,而是服务。从那以后我们改成了“推荐使用,允许绕过”。

团队规模与演进路径

大多数团队不会一开始就有10个人的平台组。我建议从小团队起步,逐步扩充。大概路径是这样的:

  1. 1个人(兼职/实习):先做自动化脚本、统一CI/CD模板
  2. 2-3人(核心小组):开始构建内部开发者门户(Backstage之类),对接基础设施
  3. 5-8人(独立团队):包含产品经理和SRE,开始做产品化迭代
  4. 10+人(平台部):按领域分成基础设施平台、CI/CD平台、可观测性平台等子团队

注意,不是所有公司都需要走到第4步。如果你的业务团队不足50人,3-5人的平台小组完全够用。人多了反而容易变成“造轮子部门”,跟业务脱节。

与业务团队的协作模式

协作是最难的部分。我见过两种极端:一种是平台团队关起门来自己玩,等到发布时才发现业务根本不需要;另一种是业务团队天天追着平台提需求,平台变成“客服外包”。

比较好的做法是——嵌入式协作。每个季度,平台团队派一名工程师去业务团队“轮岗”两周。不干平台的工作,只干业务的一线开发。你会发现很多平时看不到的痛点:

  • 原来业务团队每次部署要等10分钟,因为流水线里有一个没必要的lint步骤
  • 原来他们用了一个已经废弃的API版本,因为文档里没写清楚
  • 原来他们不需要那么多花哨的监控面板,只想要一个“当前线上有没有重大问题”的红色/绿色指示灯

另一个有效机制是共享OKR。平台团队和业务团队的OKR里必须有重叠的部分。比如业务团队的OKR是“提升交付效率50%”,平台团队的OKR就必须包含“通过自动化部署减少人工操作30%”。这样大家的力气才往一处使。

平台团队协作结构图 平台团队与业务团队协作模型 平台团队 内部开发者门户 · CI/CD · 基础设施 业务团队 A 产品开发 日常发布 业务团队 B 平台轮岗 反馈痛点 共享 OKR 对齐 交付效率 · 稳定性 · 开发者体验 平台团队提供能力与服务,业务团队反馈真实需求,双方通过共享OKR确保目标一致

图里的三层关系你可以仔细看看。平台团队在中间,向左向右提供服务,同时通过轮岗和反馈闭环持续改进。底部共享OKR保证大家不是各干各的。

衡量平台团队的价值

如果老板问你“搞这个平台有什么用”,你不能只说“提高了开发者体验”。你需要一些硬指标:

指标 计算方法 我见过比较好的基线
部署频率 每月生产环境部署次数 至少从每月1次提升到每周3次
变更前置时间 从代码提交到生产上线的时间 从2天缩短到2小时
平台采用率 使用平台部署的项目数 / 总项目数 目标80%以上,警惕低于50%
平台故障MTTR 平台自身出问题后的恢复时间 少于30分钟
一个真实的故事:我们之前帮一家电商公司搭平台,第一个季度平台采用率只有30%。后来我让一个平台工程师去业务团队轮岗两周,才发现业务团队觉得平台的文档“像天书”。我们花了一周时间重写文档,配上gif动图,采用率第二季度直接蹦到了85%。你想想看,有时候问题不在技术,就在沟通和同理心。

嗯,团队结构这部分我就聊这么多。记住几件事:初创团队人不用多,关键是找准使命;协作不能靠发邮件,要用轮岗和共享OKR建立信任;最后用数据说话,让老板看到实实在在的变化。平台工程的核心不是代码,是消除摩擦——团队内部的摩擦,以及平台跟业务之间的摩擦。