MCP HubMCP Hub
SKILL·3E1929

plan-sprint

pjt222
업데이트됨 1 month ago
9 조회
26
3
26
GitHub에서 보기
기타general

정보

`plan-sprint` 스킬은 백로그 항목을 정제하고, 스프린트 목표를 설정하며, 팀 역량을 계산하고, 작업을 선정함으로써 개발자들이 애자일 스프린트를 계획하도록 돕습니다. 이 스킬은 목표, 선정된 항목, 작업 분류 및 역량 배분을 담은 구조화된 `SPRINT-PLAN.md` 파일을 생성합니다. 새로운 스프린트를 시작하거나, 범위 변경 후 재계획하거나, 임시 작업에서 구조화된 스프린트 리듬으로 전환할 때 사용하세요.

빠른 설치

Claude Code

추천
기본
npx skills add pjt222/agent-almanac -a claude-code
플러그인 명령대체
/plugin add https://github.com/pjt222/agent-almanac
Git 클론대체
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/plan-sprint

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

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

  • 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

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。

  • 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

  • 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。

  • 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 저장소

pjt222/agent-almanac
경로: i18n/wenyan/skills/plan-sprint
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams
FAQ

Frequently asked questions

What is the plan-sprint skill?

plan-sprint is a Claude Skill by pjt222. Skills package instructions and resources that Claude loads on demand, so Claude can perform plan-sprint-related tasks without extra prompting.

How do I install plan-sprint?

Use the install commands on this page: add plan-sprint to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.

What category does plan-sprint belong to?

plan-sprint is in the Other category, tagged general.

Is plan-sprint free to use?

Yes. plan-sprint is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.

연관 스킬

llamaguard
기타

LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.

스킬 보기
cost-optimization
기타

이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.

스킬 보기
sports-betting-analyzer
기타

이 Claude Skill은 스프레드, 오버/언더, 프로프 베트를 포함한 스포츠 베팅 시장을 분석합니다. 역사적 추이와 상황별 통계를 검토하여 가치 베트를 발견하고, 교육적 목적으로 실행 가능한 권장 사항이 담긴 구조화된 마크다운 결과를 제공합니다. 개발자는 이 기능을 스포츠 베팅 분석 도구에 활용할 수 있으며, 단순히 엔터테인먼트/교육 목적으로만 설계되었음을 유의해야 합니다.

스킬 보기
quantizing-models-bitsandbytes
기타

이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.

스킬 보기