conduct-retrospective
정보
이 Claude Skill은 상태 보고서와 지표를 분석하여 성공 요인과 개선 영역을 식별함으로써 프로젝트 회고를 자동화합니다. 분석 결과를 구조화하고, 담당자와 마감일이 지정된 실행 가능한 개선 항목을 생성합니다. 스프린트, 마일스톤, 사고 발생 후 또는 분기별 검토 시 활용하여 얻은 교훈을 체계적으로 기록할 수 있습니다.
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/conduct-retrospectiveClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
行回顧
主一結構化之回顧,審近期項目執行、辨何者奏效何者不奏效、生有所有人與到期日之可行改進項。此技能將原始項目數據化為證據支之學習,附具體行動。
適用時機
- 衝刺之末(衝刺回顧)
- 項目階段或里程碑之末
- 大事件、敗、成之後
- 進行項目流程之季度審
- 始相似項目前(經驗總結審)
輸入
- 必要:審期(衝刺號、日期範圍、里程碑)
- 選擇性:審期之狀態報
- 選擇性:衝刺速率與完成數據
- 選擇性:前回顧之行動項(查其結案)
- 選擇性:團隊回饋或調查結果
步驟
步驟一:集回顧數據
讀審期可用之產物:
- 該期之 STATUS-REPORT-*.md 檔
- SPRINT-PLAN.md 比計畫與實際
- BACKLOG.md 之項流與週期時
- 前 RETRO-*.md 之未結行動項
抽關鍵事實:
- 計畫 vs 完成之項
- 速率趨勢
- 所遇阻與解時
- 入衝刺之計畫外工作
- 前回顧之未結行動項
預期: 含量化指標(速率、完成 %、阻數)之數據摘要。
失敗時: 若無產物,基於質性觀察行回顧。
步驟二:結構化「何者奏效」
附證列 3-5 奏效事:
## 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] |
專於可續之實踐,非僅結果。「每日站會令阻可見」較「我們按時交付」更可行。
預期: 3-5 附證之正面觀察。
失敗時: 若無奏效者,再尋——小勝亦要。至少,團隊完成此期。
步驟三:結構化「何者需改進」
附證列 3-5 需改進事:
## 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] |
具體且事實。「估算失準」含糊。「5 項中 3 項超估 >50%,增 8 計畫外日」可行。
預期: 3-5 附證之改進區,附其影響。
失敗時: 若團隊稱一切皆好,比計畫 vs 實際指標——差揭問題。
步驟四:生改進行動
每改進區建一可行項:
## 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 |
每行動須:
- 具體(非「改進估算」而「於整理會加估算審步」)
- 有所有人(一人負責)
- 有時限(於後 1-2 衝刺內到期)
- 可驗(成功判準已定)
預期: 2-4 改進行動附所有人與到期日。
失敗時: 若行動過含糊,以「如何驗其已為?」之測試。
步驟五:審前行動並寫報
查前回顧行動之結案:
## 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] |
標屢現項(同問題出於 3+ 回顧)——此需升呈或換法。
寫完整回顧:
# 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]*
存為 RETRO-[YYYY-MM-DD].md。
預期: 完整回顧文件已存,附行動、證、前行動審。
失敗時: 若回顧無改進行動,未驅變——回顧步驟三。
驗證
- 已作附日期戳檔名之回顧檔
- 期摘要含量化指標
- 「何者奏效」有 3-5 附證項
- 「何者需改進」有 3-5 附證項
- 改進行動有所有人、到期日、成功判準
- 前回顧行動已審其結案
- 屢現問題已標
常見陷阱
- 咎責遊戲:回顧審流程與實踐,非人。以系統而非個人框問題
- 行動無後續:最大之回顧敗。建新行動前總審前行動
- 行動過多:2-4 專注行動勝 10 含糊。團隊只能吸收一定之變
- 無證:「我們覺估算不佳」乃意見。「5 項中 3 項超估 50%」乃數據。總附證
- 略正面:僅論問題令人喪。慶勝強化良實踐
相關技能
generate-status-report— 狀態報供回顧之數據manage-backlog— 改進行動回饋至 backlogplan-sprint— 回顧之學令衝刺規劃更準draft-project-charter— 審章程假設與風險之準create-work-breakdown-structure— 對 WBS 審估算之準
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.
