create-work-breakdown-structure
정보
이 스킬은 프로젝트 산출물을 관리 가능한 작업 패키지 계층 구조로 분해하여 작업 분할 구조(WBS)와 사전을 생성합니다. 이를 통해 노력 추정, 의존성 매핑 및 계획을 위한 중요 경로 후보 식별이 가능해집니다. 고전적 또는 폭포수 프로젝트에서 자원 배분 및 일정 수립의 기초를 마련하기 위해 헌장 승인 후 사용하세요.
빠른 설치
Claude Code
추천npx 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/create-work-breakdown-structureClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
建工分結構
分項範為層級工包,可估、派、追。WBS 為估工、計資、定程之基,破繁交為可管之組件。
用時
- 項章既准而範已定後
- 劃有明交之古/瀑項
- 破大舉為可管工包
- 立估工與計資之基
- 建諸所需工之共識
入
- 必要:已准項章(尤範與交節)
- 必要:項法(古/瀑,或劃用 WBS 之混)
- 可選:似項之歷史工資
- 可選:團組與可用技
- 可選:組織之 WBS 樣或準
法
第一步:由章抽交
讀項章。列諸交與驗收。合為 3-7 頂類(此為 WBS 第一級之元)。
得: 合章之交之第一級 WBS 元列。
敗則: 若章泛,返 draft-project-charter 以精範。
第二步:分為工包
每第一級元,分為子元(第二、第三級)。施百分之百則:子必表父之全範。工包當:
- 可估(可以人日派工)
- 可派(一人或一團主之)
- 可量(有清畢之準)
則止分。建 WBS 概:
# Work Breakdown Structure: [Project Name]
## Document ID: WBS-[PROJECT]-[YYYY]-[NNN]
### WBS Hierarchy
1. [Level 1: Deliverable Category A]
1.1 [Level 2: Sub-deliverable]
1.1.1 [Level 3: Work Package]
1.1.2 [Level 3: Work Package]
1.2 [Level 2: Sub-deliverable]
2. [Level 1: Deliverable Category B]
2.1 [Level 2: Sub-deliverable]
3. [Level 1: Project Management]
3.1 Planning
3.2 Monitoring & Control
3.3 Closure
施 WBS 碼(1.1.1 式)。至多 3-5 級深。皆含「Project Management」支。
得: 全 WBS 含 15-50 工包,每有唯一 WBS 碼。
敗則: 若分逾五級,範過大——考分為子項。
第三步:書 WBS 詞典
每工包(葉節)書詞典項:
# WBS Dictionary: [Project Name]
## Document ID: WBS-DICT-[PROJECT]-[YYYY]-[NNN]
### WBS 1.1.1: [Work Package Name]
- **Description**: What this work package produces
- **Acceptance Criteria**: How to verify it's done
- **Responsible**: Person or role
- **Estimated Effort**: [T-shirt size or person-days]
- **Dependencies**: WBS codes this depends on
- **Assumptions**: Key assumptions for this work package
### WBS 1.1.2: [Work Package Name]
...
得: 每葉工包有詞典項。
敗則: 缺詞典項示分不全——返第二步。
第四步:估工
每工包,施一估法:
- T 恤尺(XS/S/M/L/XL)用於早期劃
- 人日 用於詳劃
- 三點估(樂觀/最可能/悲觀)用於高不確定工
建概表:
## Effort Summary
| WBS Code | Work Package | Estimate | Method | Confidence |
|----------|-------------|----------|--------|------------|
| 1.1.1 | [Name] | 5 pd | person-days | High |
| 1.1.2 | [Name] | M | t-shirt | Medium |
總工 = 諸工包之和。
得: 每工包有工估含信度。
敗則: 若 >30% 包信度低,與專家排精會。
第五步:識依與關鍵徑候選
映工包間依:
## Dependencies
| WBS Code | Depends On | Type | Notes |
|----------|-----------|------|-------|
| 1.2.1 | 1.1.1 | Finish-to-Start | Output of 1.1.1 is input to 1.2.1 |
| 2.1.1 | 1.1.2 | Finish-to-Start | |
識依包最長之鏈——此為關鍵徑候選。
得: 依表有至少識完始依。
敗則: 若依成環,分有誤——返第二步。
第六步:察而定基線
合 WBS 與詞典為終文。驗諸級百分之百則。獲相關者簽。
得: WBS.md 與 WBS-DICTIONARY.md 文件建而察。
敗則: 若相關者識缺範,加工包而重估。
驗
- WBS 文件建含文件 ID 與 WBS 碼
- 諸級皆滿百分之百則
- 每葉節有 WBS 詞典項
- 諸工包有工估
- 依已識而無環
- 含 Project Management 支
- 關鍵徑候選已識
- WBS 深不逾五級
陷
- 混交與活:WBS 元當為名(交),非動(活)。「User Authentication Module」非「Implement Authentication」。
- 違百分之百則:若子不合為父之全範,工將遺。
- 過淺或過深:二級泛於劃;六級以上為微管。目標 3-5 級。
- 略 PM 支:PM 工(劃、會、報)為實工費工。
- 分前估:估工包非類。第一級之估不可靠。
- 無詞典:無詞典之 WBS 為標之樹——詞典供畢之定。
參
draft-project-charter— 供範與交以饋 WBS 分manage-backlog— 轉 WBS 工包為積項以追generate-status-report— 依 WBS % 畢報進plan-sprint— 若混法,由 WBS 工包劃衝conduct-retrospective— 察估準與分質
GitHub 저장소
연관 스킬
content-collections
메타이 스킬은 콘텐츠 콜렉션(Content Collections)을 위한 프로덕션 검증된 설정을 제공합니다. 콘텐츠 콜렉션은 Markdown/MDX 파일을 Zod 검증이 포함된 타입 안전한 데이터 콜렉션으로 변환해주는 TypeScript 최우선 도구입니다. 블로그, 문서 사이트 또는 콘텐츠 중심의 Vite + React 애플리케이션을 구축할 때 타입 안전성과 자동 콘텐츠 검증을 보장하기 위해 사용하세요. Vite 플러그인 구성과 MDX 컴파일부터 배포 최적화 및 스키마 검증에 이르기까지 모든 것을 다룹니다.
polymarket
메타이 스킬은 개발자들이 Polymarket 예측 시장 플랫폼을 활용한 애플리케이션을 구축할 수 있도록 지원하며, 거래 및 시장 데이터를 위한 API 통합 기능을 포함합니다. 또한 WebSocket을 통한 실시간 데이터 스트리밍을 제공하여 실시간 거래와 시장 활동을 모니터링할 수 있습니다. 이를 통해 거래 전략을 구현하거나 실시간 시장 업데이트를 처리하는 도구를 생성하는 데 활용할 수 있습니다.
creating-opencode-plugins
메타이 스킬은 개발자들이 명령어, 파일, LSP 작업 등 25개 이상의 이벤트 유형에 연결되는 OpenCode 플러그인을 만들 수 있도록 돕습니다. JavaScript/TypeScript 모듈을 위한 플러그인 구조, 이벤트 API 명세, 구현 패턴을 제공합니다. OpenCode AI 어시스턴트의 라이프사이클을 사용자 정의 이벤트 기반 로직으로 가로채거나, 모니터링하거나, 확장해야 할 때 사용하세요.
sglang
메타SGLang은 RadixAttention 프리픽스 캐싱을 활용하여 JSON, 정규식, 에이전트 워크플로우를 위한 고속 구조화 생성에 특화된 고성능 LLM 서빙 프레임워크입니다. 특히 반복되는 프리픽스가 있는 작업에서 상당히 빠른 추론 속도를 제공하여 복잡한 구조화 출력 및 다중 턴 대화에 이상적입니다. 제약 디코딩이 필요하거나 광범위한 프리픽스 공유가 있는 애플리케이션을 구축할 때는 vLLM과 같은 대안보다 SGLang을 선택하십시오.
