plan-sprint
Acerca de
La habilidad `plan-sprint` ayuda a los desarrolladores a planificar sprints Ágiles refinando elementos del backlog, estableciendo objetivos del sprint, calculando la capacidad del equipo y seleccionando el trabajo. Genera un archivo estructurado `SPRINT-PLAN.md` con objetivos, elementos seleccionados, desglose de tareas y asignación de capacidad. Úsala para iniciar nuevos sprints, replanificar después de cambios en el alcance, o para transicionar de un trabajo ad-hoc a un ritmo de sprint estructurado.
Instalación rápida
Claude Code
Recomendadonpx 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-sprintCopia y pega este comando en Claude Code para instalar esta habilidad
Documentación
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
Repositorio GitHub
Habilidades relacionadas
llamaguard
OtroLlamaGuard es el modelo de Meta de 7-8B parámetros para moderar las entradas y salidas de LLM en seis categorías de seguridad como violencia y discurso de odio. Ofrece una precisión del 94-95% y puede implementarse usando vLLM, Hugging Face o Amazon SageMaker. Utiliza esta skill para integrar fácilmente filtrado de contenido y barreras de seguridad en tus aplicaciones de IA.
cost-optimization
OtroEsta Skill de Claude ayuda a los desarrolladores a optimizar los costes en la nube mediante el ajuste de tamaño de recursos, estrategias de etiquetado y análisis de gastos. Proporciona un marco para reducir los gastos en la nube e implementar una gobernanza de costes en AWS, Azure y GCP. Úsala cuando necesites analizar los costes de infraestructura, ajustar el tamaño de los recursos o cumplir con restricciones presupuestarias.
quantizing-models-bitsandbytes
OtroEsta habilidad cuantiza LLMs a precisión de 8 o 4 bits utilizando bitsandbytes, logrando una reducción de memoria del 50-75% con pérdida mínima de precisión. Es ideal para ejecutar modelos más grandes en memoria GPU limitada o para acelerar la inferencia, admitiendo formatos como INT8, NF4 y FP4. La habilidad se integra con HuggingFace Transformers y permite entrenamiento QLoRA y optimizadores de 8 bits.
dispatching-parallel-agents
OtroEsta Skill de Claude despliega múltiples agentes para investigar y solucionar 3 o más problemas independientes de forma concurrente. Está diseñada para escenarios que involucran fallos no relacionados que pueden resolverse sin estado compartido o dependencias. Su capacidad principal es la resolución paralela de problemas, asignando un agente por cada dominio problemático independiente para maximizar la eficiencia.
