plan-sprint
정보
`plan-sprint` 스킬은 백로그 항목을 정제하고, 스프린트 목표를 정의하며, 팀 용량을 계산하고, 선정된 항목을 작업으로 분할함으로써 스프린트 계획을 자동화합니다. 이 스킬은 목표, 선정된 항목, 작업 분할 내역, 용량 할당을 포함하는 구조화된 `SPRINT-PLAN.md` 파일을 출력합니다. 스프린트 시작 시, 주요 범위 변경 후, 또는 임시 작업에서 구조화된 주기로 전환할 때 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/plan-sprintClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
name: plan-sprint description: > バックログアイテムを改善し、スプリントゴールを定義し、チームのキャパシティを計算し、 アイテムを選択してタスクに分解することでスプリントを計画します。ゴール、選択した アイテム、タスク内訳、キャパシティ配分を含むSPRINT-PLAN.mdを作成します。 Scrumまたはアジャイルプロジェクトでのスプリント開始時、重大なスコープ変更後の 再計画時、アドホック作業から構造化スプリントサイクルへの移行時、またはバックログ グルーミング後にアイテムが準備完了した時に使用します。 locale: ja source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: 2026-03-16 license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: project-management complexity: intermediate language: multi tags: project-management, sprint, agile, scrum, capacity, sprint-planning
スプリントの計画
チームのキャパシティまでの改善済みバックログアイテムを選択し、明確なスプリントゴールを定義し、選択したアイテムを実行可能なタスクに分解することで、タイムボックス化されたスプリントを計画します。このスキルは、スプリントのイテレーション期間中のチームの作業を導く完全なスプリント計画を作成します。
使用タイミング
- Scrumまたはアジャイルプロジェクトでのスプリント開始時
- 重大なスコープ変更後のスプリントの再計画時
- アドホック作業から構造化スプリントサイクルへの移行時
- バックロググルーミング後にアイテムがスプリントへの追加準備が完了した時
- プロジェクト憲章承認後の最初のスプリントの計画時
入力
- 必須: プロダクトバックログ(優先順位付き、見積もり済み)
- 必須: スプリント期間(通常1〜2週間)
- 必須: チームメンバーとその稼働状況
- 任意: 過去のスプリントベロシティ(完了したストーリーポイントまたはアイテム数)
- 任意: スプリント番号と日付範囲
- 任意: 前のスプリントからの繰り越しアイテム
手順
ステップ1: バックログアイテムのレビューと改善
現在のBACKLOG.mdを読みます。バックログ上部付近の各候補アイテムについて、以下を確認します:
- 明確なタイトルと説明
- 受け入れ基準(テスト可能な条件)
- 見積もり(ストーリーポイントまたはTシャツサイズ)
- 未解決のブロッカーがないこと
これらの要素が欠けているアイテムを改善します。スプリントキャパシティの半分より大きく見積もられているアイテムを、より小さく管理しやすいものに分割します。
期待結果: バックログ上位10〜15件のアイテムが受け入れ基準と見積もりを持つ「スプリント準備完了」状態になっている。
失敗時: アイテムに受け入れ基準がない場合は今すぐ書きます。アイテムが見積もれない場合は改善の会話をスケジュールし、準備完了のアイテムのみ選択します。
ステップ2: スプリントゴールを定義する
スプリントが何を達成するかを述べる1つの明確なスプリントゴール(1文)を書きます。ゴールは以下であるべきです:
- スプリント期間内で達成可能
- ステークホルダーにとって価値がある
- テスト可能(スプリント終了時に達成されたか確認できる)
**Sprint Goal**: [One sentence describing the objective]
例:「二要素認証を使ったメール確認でユーザーがパスワードをリセットできるようにする。」
期待結果: スプリントゴールが1つの明確でテスト可能な文として表現されている。
失敗時: 一貫したゴールが生まれない場合、バックログの優先順位がばらばらである可能性があります — 1つの価値ある成果に集中するようプロダクトオーナーに相談します。
ステップ3: チームのキャパシティを計算する
各チームメンバーの利用可能な人日を計算します:
## 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** |
オーバーヘッドは会議、レビュー、アドホックリクエストを考慮します(通常15〜25%)。
ストーリーポイントを使用する場合:前のスプリントのベロシティをキャパシティとして使用します。最初のスプリントの場合は、理論上の最大値の60〜70%を使用します。
期待結果: キャパシティが人日またはストーリーポイントで計算され、仮定が文書化されている。
失敗時: 過去のベロシティがない場合、保守的に計画します — キャパシティの60%で計画し、スプリント後に調整します。過少コミットして達成する方が、過剰コミットして失敗するよりも良いです。
ステップ4: アイテムを選択してスプリントバックログを構成する
キャパシティに達するまでプロダクトバックログの上位からアイテムを選択します。各選択アイテムをタスクに分解します(各2〜8時間):
# 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] |
期待結果: キャパシティまでのアイテムが選択され、各アイテムが時間見積もり付きのタスクに分解されたスプリントバックログ。
失敗時: 合計ポイントがキャパシティを超える場合、最も優先度の低いアイテムを削除します。キャパシティを10%以上超えないようにします。依存関係が順序付けをブロックする場合、アイテムを並べ替えるか延期します。
ステップ5: コミットメントを文書化して保存する
スプリント計画を SPRINT-PLAN.md(アーカイブ用には SPRINT-PLAN-S[NNN].md)に書き込みます。以下を確認します:
- スプリントゴールが選択されたアイテムで達成可能
- チームメンバーが過剰割り当て(100%超)でない
- アイテム間の依存関係が正しく順序付けられている
- 繰り越しアイテムがキャパシティに考慮されている
- すべての受け入れ基準がバックログアイテムからコピーされている
最終検証を実行します:
# 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}'
期待結果: 完全なスプリントバックログとタスク内訳を含むSPRINT-PLAN.mdが作成されている。合計時間は利用可能な人日×8時間の80%以下であるべきです。
失敗時: コミットメントがゴールに整合しない場合、ステップ4のアイテム選択を見直します。タスク時間がキャパシティを超える場合、最後のアイテムを削除するか、タスクをより細かく分解します。
バリデーション
- スプリントゴールが1つの明確でテスト可能な文である
- チームのキャパシティが文書化された仮定(オーバーヘッド%、有給休暇を考慮)で計算されている
- 選択されたアイテムがキャパシティ(ポイントまたは人日)を超えていない
- すべての選択されたアイテムにタスク内訳にコピーされた受け入れ基準がある
- すべての選択されたアイテムがタスクに分解されている(各2〜8時間)
- チームメンバーが100%キャパシティを超えて割り当てられていない
- 前のスプリントからの繰り越しアイテムが残りの工数とともに文書化されている
- アイテム間の依存関係が正しく順序付けられている
- リスクと軽減策が文書化されている
- SPRINT-PLAN.mdファイルが作成されて保存されている
よくある落とし穴
- スプリントゴールなし: ゴールがなければ、スプリントはタスクの袋に過ぎません。ゴールはスプリント中のスコープ決定のための焦点と根拠を提供します。
- 過剰コミット: 100%キャパシティで計画すると、中断、バグ、オーバーヘッドが考慮されません。予期せぬことへのバッファを残すために70〜80%で計画します。
- タスクが大きすぎる: 8時間を超えるタスクは複雑さを隠し、進捗追跡を困難にします。タスクが2〜8時間になるまで分解します。
- 繰り越しの無視: 前のスプリントからの未完了アイテムは今のスプリントのキャパシティを消費します。キャパシティ計算で明示的に考慮します。
- アイテムリストとしてのスプリントゴール: 「B-001、B-002、B-003を完了する」はゴールではありません。ゴールは成果を説明します:「ユーザーがメール確認でパスワードをリセットできる。」
- タスクの担当者なし: キャパシティの競合を早期に把握するために、計画時にすべてのタスクに担当者が割り当てられるべきです。
- 受け入れ基準のスキップ: 受け入れ基準のないタスクはテストできません。バックログアイテムからタスク内訳セクションに受け入れ基準をコピーします。
関連スキル
manage-backlog— スプリント計画に供給するプロダクトバックログを維持し優先順位付けするdraft-project-charter— 最初のスプリントのプロジェクトコンテキストと初期スコープを提供するgenerate-status-report— ステークホルダーにスプリントの進捗とベロシティを報告するconduct-retrospective— スプリントの実行をレビューして計画プロセスを改善するcreate-work-breakdown-structure— ハイブリッドアジャイル-ウォーターフォールアプローチでWBSワークパッケージをバックログに供給できる
GitHub 저장소
연관 스킬
llamaguard
기타LlamaGuard는 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.
cost-optimization
기타이 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.
quantizing-models-bitsandbytes
기타이 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.
dispatching-parallel-agents
기타이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.
