plan-sprint
Über
Die Plan-Sprint-Fähigkeit unterstützt Entwickler bei der Planung von Agile-Sprints durch die Auswahl von Backlog-Einträgen, die Definition von Sprint-Zielen, die Berechnung der Teamkapazität und die Zerlegung von Einträgen in Aufgaben. Sie erzeugt ein umfassendes SPRINT-PLAN.md-Dokument mit Zielen, ausgewählten Einträgen, Aufgabenaufschlüsselungen und Kapazitätszuweisungen. Nutzen Sie sie beim Start neuer Sprints, bei der Neuplanung nach Umfangsänderungen, beim Übergang von Ad-hoc-Arbeiten oder wenn Backlog-Einträge implementierungsbereit sind.
Schnellinstallation
Claude Code
Empfohlennpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/plan-sprintKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
Dokumentation
name: plan-sprint description: > 通过细化待办事项、定义冲刺目标、计算团队容量、选择条目并将其分解为任务来规划冲刺。 生成包含目标、所选条目、任务分解和容量分配的 SPRINT-PLAN.md。 适合在 Scrum 或敏捷项目中启动新冲刺、重大范围变更后重新规划、 从临时工作过渡到有组织的冲刺节奏,或在待办事项梳理后条目已准备好纳入时使用。 license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: project-management complexity: intermediate language: multi tags: project-management, sprint, agile, scrum, capacity, sprint-planning locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: "2026-03-16"
规划冲刺
通过选择已细化的待办事项至团队容量上限、定义明确的冲刺目标,并将所选条目分解为可操作的任务,规划一个时间盒化的冲刺。本技能生成完整的冲刺计划,指导团队在整个冲刺迭代期间的工作。
适用场景
- 在 Scrum 或敏捷项目中启动新冲刺
- 重大范围变更后重新规划冲刺
- 从临时工作过渡到有组织的冲刺节奏
- 待办事项梳理后条目已准备好纳入冲刺
- 项目章程批准后规划第一个冲刺
输入
- 必填:产品待办事项列表(已优先级排序,含估算值)
- 必填:冲刺时长(通常 1-2 周)
- 必填:团队成员及其可用性
- 可选:前一冲刺的速度(完成的故事点数或条目数)
- 可选:冲刺编号和日期范围
- 可选:上一冲刺的遗留条目
步骤
第 1 步:审查和细化待办事项
阅读当前的 BACKLOG.md。对待办事项列表顶部的每个候选条目,验证其是否包含:
- 清晰的标题和描述
- 验收标准(可测试的条件)
- 估算值(故事点数或 T 恤尺码)
- 无未解决的阻碍项
细化任何缺少这些要素的条目。将估算值超过一半冲刺容量的条目拆分为更小、更易管理的部分。
预期结果: 待办事项列表顶部的 10-15 个条目已"冲刺就绪",包含验收标准和估算值。
失败处理: 如果条目缺少验收标准,现在编写。如果条目无法估算,安排细化讨论,仅选择已就绪的条目。
第 2 步:定义冲刺目标
写出一个明确的冲刺目标——用一句话说明本次冲刺将实现什么。目标应该:
- 在冲刺时长内可实现
- 对干系人有价值
- 可测试(可在冲刺结束时验证是否达成)
**Sprint Goal**: [One sentence describing the objective]
示例:"通过电子邮件验证和双因素认证,使用户能够重置密码。"
预期结果: 冲刺目标表述为一句清晰、可测试的话。
失败处理: 如果没有连贯的目标浮现,待办事项优先级可能过于分散——咨询产品负责人,聚焦于单一有价值的结果。
第 3 步:计算团队容量
计算每位团队成员的可用人日:
## Team Capacity
| Team Member | Available Days | Overhead (%) | Net Capacity |
|-------------|---------------|-------------|--------------|
| [Name] | [Sprint days - PTO] | 20% | [Available × 0.8] |
| [Name] | [Sprint days - PTO] | 20% | [Available × 0.8] |
| **Total** | | | **[Sum] person-days** |
开销涵盖会议、审查、临时请求(通常 15-25%)。
如果使用故事点:用前一冲刺速度作为容量。如果是第一个冲刺,使用理论最大值的 60-70%。
预期结果: 以人日或故事点计算的容量,并记录假设条件。
失败处理: 如果没有历史速度数据,保持保守——按 60% 容量规划,冲刺后调整。宁可少承诺多交付,也不要多承诺而失败。
第 4 步:选择条目并组成冲刺待办事项列表
从产品待办事项列表顶部选择条目直至达到容量上限。将每个所选条目分解为任务(每个 2-8 小时):
# Sprint Plan: Sprint [N]
## Document ID: SP-[PROJECT]-S[NNN]
### Sprint Details
- **Sprint Goal**: [From Step 2]
- **Duration**: [Start date] to [End date]
- **Capacity**: [From Step 3] person-days / [N] story points
- **Team**: [List team members]
### Sprint Backlog
| ID | Item | Points | Tasks | Assignee | Status |
|----|------|--------|-------|----------|--------|
| B-001 | [Item title] | 5 | 4 | [Name] | To Do |
| B-002 | [Item title] | 3 | 3 | [Name] | To Do |
| B-003 | [Item title] | 8 | 6 | [Name] | To Do |
| **Total** | | **16** | **13** | | |
### Task Breakdown
#### B-001: [Item title]
**Acceptance Criteria**: [From backlog item]
- [ ] Task 1: [Description] (4h, [Assignee])
- [ ] Task 2: [Description] (2h, [Assignee])
- [ ] Task 3: [Description] (4h, [Assignee])
- [ ] Task 4: [Description] (2h, [Assignee])
#### B-002: [Item title]
**Acceptance Criteria**: [From backlog item]
- [ ] Task 1: [Description] (3h, [Assignee])
- [ ] Task 2: [Description] (4h, [Assignee])
- [ ] Task 3: [Description] (2h, [Assignee])
#### B-003: [Item title]
**Acceptance Criteria**: [From backlog item]
- [ ] Task 1: [Description] (3h, [Assignee])
- [ ] Task 2: [Description] (4h, [Assignee])
- [ ] Task 3: [Description] (2h, [Assignee])
- [ ] Task 4: [Description] (3h, [Assignee])
- [ ] Task 5: [Description] (4h, [Assignee])
- [ ] Task 6: [Description] (2h, [Assignee])
### Risks and Dependencies
| Risk | Impact | Mitigation |
|------|--------|-----------|
| [Risk 1] | [Impact] | [Mitigation] |
| [Risk 2] | [Impact] | [Mitigation] |
### Carry-Over from Previous Sprint
| ID | Item | Reason | Remaining Effort |
|----|------|--------|-----------------|
| B-XXX | [Item] | [Reason] | [Hours/points] |
预期结果: 冲刺待办事项列表中所选条目不超过容量,每个条目均分解为带时间估算的任务。
失败处理: 如果总点数超过容量,移除最低优先级条目。绝不超出容量 10% 以上。如果依赖关系阻碍排序,重新排序或推迟条目。
第 5 步:记录承诺并保存
将冲刺计划写入 SPRINT-PLAN.md(或 SPRINT-PLAN-S[NNN].md 用于归档)。确认:
- 冲刺目标可通过所选条目实现
- 没有团队成员被过度分配(> 100% 容量)
- 条目间的依赖关系顺序正确
- 遗留条目已在容量中计入
- 所有验收标准已从待办事项中复制
运行最终验证:
# Check that total task hours align with capacity
grep -A 100 "Task Breakdown" SPRINT-PLAN.md | grep -o '([0-9]*h' | sed 's/[^0-9]//g' | awk '{sum+=$1} END {print "Total hours:", sum}'
预期结果: SPRINT-PLAN.md 已创建,包含完整的冲刺待办事项列表和任务分解。总小时数应 ≤ 可用人日 × 8 小时的 80%。
失败处理: 如果承诺与目标不一致,重新审视第 4 步中的条目选择。如果任务小时数超过容量,移除最后一个条目或更细粒度地分解任务。
验证清单
- 冲刺目标是一句清晰、可测试的话
- 团队容量已计算并记录假设条件(开销百分比、带薪假已计入)
- 所选条目不超过容量(点数或人日)
- 每个所选条目的验收标准已复制到任务分解中
- 每个所选条目已分解为任务(每个 2-8 小时)
- 没有团队成员被过度分配超过 100% 容量
- 上一冲刺的遗留条目已记录剩余工作量
- 条目间的依赖关系顺序正确
- 风险和缓解措施已记录
- SPRINT-PLAN.md 文件已创建并保存
常见问题
- 没有冲刺目标:没有目标,冲刺只是一堆任务的集合。目标提供专注方向,是冲刺中期范围决策的基础。
- 过度承诺:按 100% 容量规划忽略了中断、缺陷和开销。按 70-80% 规划以为意外情况留出缓冲。
- 任务过大:超过 8 小时的任务会隐藏复杂性并使进度跟踪困难。将任务分解至 2-8 小时。
- 忽略遗留条目:上一冲刺未完成的条目会消耗本次冲刺的容量。在容量计算中明确计入。
- 冲刺目标等同于条目列表:"完成 B-001、B-002、B-003"不是目标。目标描述结果:"用户可以通过电子邮件验证重置密码。"
- 没有任务负责人:规划时每个任务都应有指定人员,以便早期发现容量冲突。
- 跳过验收标准:没有验收标准的任务无法测试。将验收标准从待办事项复制到任务分解部分。
相关技能
manage-backlog— 维护和优先排序为冲刺规划提供来源的产品待办事项列表draft-project-charter— 为第一个冲刺提供项目背景和初始范围generate-status-report— 向干系人报告冲刺进展和速度conduct-retrospective— 回顾冲刺执行情况并改进规划流程create-work-breakdown-structure— 在混合敏捷-瀑布方法中,WBS 工作包可以转入待办事项列表
GitHub Repository
Verwandte Skills
llamaguard
AndereLlamaGuard ist Metas 7-8B-Parameter-Modell zur Moderation von LLM-Eingaben und -Ausgaben in sechs Sicherheitskategorien wie Gewalt und Hassrede. Es bietet eine Genauigkeit von 94-95 % und kann mit vLLM, Hugging Face oder Amazon SageMaker eingesetzt werden. Nutzen Sie diese Skill, um Inhaltsfilterung und Sicherheitsguardrails einfach in Ihre KI-Anwendungen zu integrieren.
cost-optimization
AndereDiese Claude Skill unterstützt Entwickler bei der Optimierung von Cloud-Kosten durch Ressourcen-Dimensionierung, Tagging-Strategien und Ausgabenanalysen. Sie bietet einen Rahmen zur Senkung von Cloud-Ausgaben und zur Implementierung von Kosten-Governance für AWS, Azure und GCP. Nutzen Sie sie, wenn Sie Infrastrukturkosten analysieren, Ressourcen richtig dimensionieren oder Budgetvorgaben einhalten müssen.
quantizing-models-bitsandbytes
AndereDiese Fähigkeit quantisiert LLMs auf 8-Bit- oder 4-Bit-Präzision mittels bitsandbytes und erreicht dabei eine Speicherreduzierung von 50–75 % bei minimalem Genauigkeitsverlust. Sie ist ideal für den Betrieb größerer Modelle mit begrenztem GPU-Speicher oder zur Beschleunigung von Inferenzvorgängen und unterstützt Formate wie INT8, NF4 und FP4. Die Fähigkeit integriert sich in HuggingFace Transformers und ermöglicht QLoRA-Training sowie 8-Bit-Optimierer.
dispatching-parallel-agents
AndereDiese Claude-Fähigkeit verteilt mehrere Agenten, um drei oder mehr unabhängige Probleme gleichzeitig zu untersuchen und zu beheben. Sie ist für Szenarien konzipiert, die unabhängige Fehler umfassen, die ohne gemeinsamen Zustand oder Abhängigkeiten gelöst werden können. Die Kernfähigkeit ist die parallele Problemlösung, bei der pro unabhängigem Problembereich ein Agent zugewiesen wird, um die Effizienz zu maximieren.
