plan-sprint
Über
Die `plan-sprint`-Fähigkeit unterstützt Entwickler bei der Planung von Agile-Sprints, indem sie Backlog-Elemente verfeinert, Sprint-Ziele festlegt, Teamkapazität berechnet und Arbeit auswählt. Sie erzeugt eine strukturierte `SPRINT-PLAN.md`-Datei mit Zielen, ausgewählten Elementen, Aufgabenaufschlüsselungen und Kapazitätszuweisungen. Nutzen Sie sie, um neue Sprints zu starten, nach Scope-Änderungen neu zu planen oder von Ad-hoc-Arbeit zu einem strukturierten Sprint-Rhythmus überzugehen.
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
謀衝刺
謀時箱衝刺:擇精煉之待辦項至隊容,定明之衝刺目,將擇項分解為可行之任。此技能生完整衝刺謀,導隊於衝刺迭代之久。
用時
- 始 Scrum 或敏捷項之新衝刺
- 範圍大變後重謀衝刺
- 自隨機作轉結構化衝刺節奏
- 待辦整理後諸項可入衝刺
- 項目章批後謀首衝刺
入
- 必要:產品待辦(已分優、含估)
- 必要:衝刺久(常 1-2 週)
- 必要:隊員與其可用
- 可選:往衝刺之速(故事點或所完項)
- 可選:衝刺號與日範
- 可選:自上衝刺之承續項
法
第一步:察精待辦項
讀當前 BACKLOG.md。對各候項近待辦頂者,驗其有:
- 清晰之題與述
- 接受之準(可測之條件)
- 估(故事點或 T 恤大小)
- 無未解之阻
精無此者。將估逾衝刺容半者分為較小可管之片。
得:頂之 10-15 待辦項「衝刺可入」,附接受之準與估。
敗則:若項無接受之準,今書之。若項不能估,排精煉談並唯擇可入者。
第二步:定衝刺目
書一明衝刺目——一句述衝刺所成。目當:
- 衝刺久內可達
- 對相關者有值
- 可測(衝刺末可驗其達)
**Sprint Goal**: [One sentence describing the objective]
例:「使用者得以電郵驗附二要素認證重置其密碼。」
得:衝刺目以一清晰可測之句述之。
敗則:若無連貫之目浮現,待辦優先或散——詢產品主以焦於一有值之果。
第三步:算隊容
算各隊員可用人日:
## 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** |
額外計會、檢、隨機請(常 15-25%)。
若用故事點:用上衝刺之速為容。若首衝刺,用理論最大之 60-70%。
得:以人日或故事點算容,附記之假。
敗則:若無歷史速,當保守——謀至 60% 容並衝刺後調。少諾而交勝多諾而敗。
第四步:擇項並組衝刺待辦
自產品待辦頂擇項至容滿。將各擇項分解為任(各 2-8 時):
# 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] |
得:衝刺待辦含至容之諸擇項,各分為附時估之任。
敗則:若總點逾容,去最低優先項。容絕勿逾 10%。若依賴阻序,重排或延項。
第五步:記諾並存
書衝刺謀於 SPRINT-PLAN.md(或檔案 SPRINT-PLAN-S[NNN].md)。確:
- 衝刺目與所擇項可達
- 無隊員過配(>100% 容)
- 諸項間依賴序正確
- 承續項計入容
- 諸接受之準自待辦項複入
行最終驗:
# 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}'
得:SPRINT-PLAN.md 已立,含完整衝刺待辦與任分解。總時當 ≤ 可用人日 × 8 時之 80%。
敗則:若諾與目不合,重察第四步之擇項。若任時逾容,去末項或更細分任。
驗
- 衝刺目為一清晰可測之句
- 隊容已算附記之假(額外%、PTO 計)
- 所擇項不逾容(點或人日)
- 各擇項皆有接受之準入任分解
- 各擇項皆分為任(各 2-8 時)
- 無隊員過配逾 100% 容
- 上衝刺之承續項已記附餘工
- 諸項間依賴序正確
- 險與緩解已記
- SPRINT-PLAN.md 文已立並存
陷
- 無衝刺目:無目,衝刺唯任之袋。目供焦並為衝刺中範圍決之基。
- 過諾:謀至 100% 容忽擾、缺、額外。謀至 70-80% 留意外之餘。
- 任過大:逾 8 時之任掩複雜並使追進難。分解至任為 2-8 時。
- 忽承續:上衝刺未畢項耗本衝刺之容。明計其於容算中。
- 衝刺目為項列:「完 B-001、B-002、B-003」非目。目述果:「使用者得以電郵驗重置密碼」。
- 無任主:謀時各任皆當有主,以早顯容衝。
- 略接受之準:無接受之準之任不可測。自待辦項複接受之準入任分解節。
參
manage-backlog— 維與分優產品待辦以餵衝刺謀draft-project-charter— 供項目脈絡與首衝刺之初範generate-status-report— 報衝刺進度與速於相關者conduct-retrospective— 檢衝刺執行並進謀劃程create-work-breakdown-structure— WBS 工作包可餵待辦於混敏捷-瀑布之法
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.
