conduct-retrospective
À propos
Cette Compétence Claude automatise les rétrospectives de projet ou de sprint en analysant les rapports d'état et les métriques pour identifier les succès et les axes d'amélioration. Elle génère des éléments structurés et actionnables avec des responsables désignés et des échéances. Utilisez-la après les sprints, les jalons, les incidents, ou lors des revues trimestrielles pour systématiquement capitaliser sur les enseignements tirés.
Installation rapide
Claude Code
Recommandénpx 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/conduct-retrospectiveCopiez et collez cette commande dans Claude Code pour installer cette compétence
Documentation
Conduct a Retrospective
Facilitate structured retrospective → review recent project exec, ID what worked + what didn't, produce actionable improvements w/ owners + due dates. Transforms raw project data → evidence-backed learnings w/ specific actions, owners, due dates.
Use When
- End of sprint (sprint retrospective)
- End of project phase / milestone
- Post significant incident, failure, or success
- Quarterly review of ongoing project procs
- Before starting similar project (lessons learned review)
In
- Required: Period under review (sprint number, date range, or milestone)
- Optional: Status reports from review period
- Optional: Sprint velocity + completion data
- Optional: Prev retrospective actions (check closure)
- Optional: Team feedback / survey results
Do
Step 1: Gather Retrospective Data
Read available artifacts from review period:
- STATUS-REPORT-*.md files for period
- SPRINT-PLAN.md for planned vs actual
- BACKLOG.md for item flow + cycle times
- Prev RETRO-*.md for open action items
Extract key facts:
- Items planned vs completed
- Velocity trend
- Blockers encountered + resolution time
- Unplanned work entering sprint
- Open action items from prev retros
→ Data summary w/ quantitative metrics (velocity, completion %, blocker count).
If err: No artifacts → base retro on qualitative observations.
Step 2: Structure "What Went Well"
List 3-5 things that worked, w/ evidence:
## What Went Well
| # | Observation | Evidence |
|---|------------|---------|
| 1 | [Specific positive observation] | [Metric, example, or artifact reference] |
| 2 | [Specific positive observation] | [Metric, example, or artifact reference] |
| 3 | [Specific positive observation] | [Metric, example, or artifact reference] |
Focus on practices to continue, not outcomes. "Daily standups kept blockers visible" > "We delivered on time."
→ 3-5 evidence-backed positive observations.
If err: Nothing went well → look harder. Small wins matter. At min, team completed period.
Step 3: Structure "What Needs Improvement"
List 3-5 things needing improvement, w/ evidence:
## What Needs Improvement
| # | Observation | Evidence | Impact |
|---|------------|---------|--------|
| 1 | [Specific issue] | [Metric, example, or incident] | [Effect on delivery] |
| 2 | [Specific issue] | [Metric, example, or incident] | [Effect on delivery] |
| 3 | [Specific issue] | [Metric, example, or incident] | [Effect on delivery] |
Specific + factual. "Estimation was off" = vague. "3 of 5 items exceeded estimates by >50%, adding 8 unplanned days" = actionable.
→ 3-5 evidence-backed improvement areas w/ stated impact.
If err: Team claims everything fine → compare planned vs actual metrics → gaps reveal issues.
Step 4: Generate Improvement Actions
Each improvement area → actionable item:
## Improvement Actions
| ID | Action | Owner | Due Date | Success Criteria | Source |
|----|--------|-------|----------|-----------------|--------|
| A-001 | [Specific action] | [Name] | [Date] | [How to verify success] | Improvement #1 |
| A-002 | [Specific action] | [Name] | [Date] | [How to verify success] | Improvement #2 |
| A-003 | [Specific action] | [Name] | [Date] | [How to verify success] | Improvement #3 |
Each action must be:
- Specific (not "improve estimation" but "add estimation review step to grooming")
- Owned (one person accountable)
- Time-bound (due date w/in next 1-2 sprints)
- Verifiable (success criteria defined)
→ 2-4 improvement actions w/ owners + due dates.
If err: Actions too vague → apply "how would you verify this was done?" test.
Step 5: Review Previous Actions + Write Report
Check prev retrospective actions for closure:
## Previous Action Review
| ID | Action | Owner | Status | Notes |
|----|--------|-------|--------|-------|
| A-prev-001 | [Action from last retro] | [Name] | Closed / Open / Recurring | [Outcome] |
| A-prev-002 | [Action from last retro] | [Name] | Closed / Open / Recurring | [Outcome] |
Flag recurring items (same issue appearing 3+ retros) → escalation or different approach needed.
Write complete retrospective:
# Retrospective: [Sprint N / Phase Name / Date Range]
## Date: [YYYY-MM-DD]
## Document ID: RETRO-[PROJECT]-[YYYY-MM-DD]
### Period Summary
- **Period**: [Sprint N / dates]
- **Planned**: [N items / N points]
- **Completed**: [N items / N points]
- **Velocity**: [N] (previous: [N])
- **Unplanned Work**: [N items]
### What Went Well
[From Step 2]
### What Needs Improvement
[From Step 3]
### Improvement Actions
[From Step 4]
### Previous Action Review
[From Step 5]
---
*Retrospective facilitated by: [Name/Agent]*
Save as RETRO-[YYYY-MM-DD].md.
→ Complete retrospective doc saved w/ actions, evidence, prev action review.
If err: Retro has no improvement actions → not driving change → revisit Step 3.
Check
- Retro file created w/ date-stamped filename
- Period summary includes quantitative metrics
- "What Went Well" has 3-5 evidence-backed items
- "What Needs Improvement" has 3-5 evidence-backed items
- Improvement actions have owners, due dates, success criteria
- Prev retro actions reviewed for closure
- Recurring issues flagged
Traps
- Blame game: Retros review procs + practices, not people. Frame issues systemic, not personal.
- Actions w/o follow-through: Biggest retro failure. Always review prev actions before creating new.
- Too many actions: 2-4 focused > 10 vague. Team can only absorb so many changes.
- No evidence: "We feel estimation bad" = opinion. "3 of 5 items exceeded estimates by 50%" = data. Always attach evidence.
- Skip positives: Only discussing problems demoralizing. Celebrating wins reinforces good practices.
→
generate-status-report— status reports provide data for retrosmanage-backlog— improvement actions feed back into backlogplan-sprint— retro learnings improve sprint planning accuracydraft-project-charter— review charter assumptions + risk accuracycreate-work-breakdown-structure— review estimation accuracy vs. WBS
Dépôt GitHub
Compétences associées
content-collections
MétaCette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.
polymarket
MétaCette compétence permet aux développeurs de créer des applications avec la plateforme de marchés prédictifs Polymarket, incluant l'intégration d'API pour le trading et les données de marché. Elle fournit également une diffusion de données en temps réel via WebSocket pour surveiller les transactions en direct et l'activité du marché. Utilisez-la pour mettre en œuvre des stratégies de trading ou pour créer des outils traitant les mises à jour de marché en direct.
creating-opencode-plugins
MétaCette compétence aide les développeurs à créer des plugins OpenCode qui s'interconnectent avec plus de 25 types d'événements tels que les commandes, les fichiers et les opérations LSP. Elle fournit la structure du plugin, les spécifications de l'API événementielle et les modèles d'implémentation pour les modules JavaScript/TypeScript. Utilisez-la lorsque vous avez besoin d'intercepter, de surveiller ou d'étendre le cycle de vie de l'assistant IA OpenCode avec une logique personnalisée pilotée par les événements.
sglang
MétaSGLang est un framework de service LLM haute performance spécialisé dans la génération rapide et structurée pour les workflows JSON, regex et agentiques grâce à son cache de préfixe RadixAttention. Il offre une inférence nettement plus rapide, particulièrement pour les tâches avec des préfixes répétés, ce qui le rend idéal pour les sorties complexes et structurées ainsi que les conversations multi-tours. Choisissez SGLang plutôt que des alternatives comme vLLM lorsque vous avez besoin d'un décodage contraint ou que vous construisez des applications avec un partage étendu de préfixes.
