conduct-retrospective
О программе
Этот навык автоматизирует проведение ретроспектив проектов или спринтов, анализируя отчёты о статусе и метрики для выявления успехов и областей для улучшения. Он формирует структурированные, практические задачи с назначенными ответственными лицами и сроками выполнения. Используйте его после спринтов, вех, инцидентов или квартальных обзоров для систематического фиксирования извлечённых уроков.
Быстрая установка
Claude Code
Рекомендуетсяnpx 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-retrospectiveСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
行回顧
導結構之回顧,察近項行,識成敗,生可為之改項含主與期。此技化原項數據為有證學附具動作、主、期。
用
- sprint 末(sprint 回顧)
- 項階或里程末
- 要事、敗、成後
- 行中項程之季察
- 類項啟前(學回)
入
- 必:察期(sprint 號、日範、或里程)
- 可:期中狀報
- 可:sprint 速與畢數
- 可:前回動作(察閉)
- 可:組反或調果
行
一:集回顧數據
讀期中可得構件:
- 期之 STATUS-REPORT-*.md 檔
- SPRINT-PLAN.md 計 vs 實
- BACKLOG.md 流與週期
- 前 RETRO-*.md 未閉動作
取要事:
- 計 vs 畢
- 速趨
- 所遇阻與解時
- 入 sprint 之計外工
- 前回未閉動作
得: 含定量度(速、畢率、阻數)之數據結。
敗: 無構件→以質觀為基。
二:結「何行良」
列 3-5 事附證:
## 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] |
焦可續之踐,非只果。「日 standup 顯阻」勝於「準時交」。
得: 3-5 有證之正觀。
敗: 皆無良→細察。至少組畢此期。
三:結「何須改」
列 3-5 須改事附證:
## 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] |
具體有據。「估誤」泛。「5 項 3 超估 >50%、添 8 日外工」具體。
得: 3-5 有證之改域附影響。
敗: 組稱皆佳→比計 vs 實度——差現問。
四:生改動作
每改域生可為項:
## 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 |
每動作須:
- 具體(非「改估」→「加估察步於 grooming」)
- 有主(一人責)
- 有期(次 1-2 sprint 內)
- 可驗(成判已定)
得: 2-4 改動作附主與期。
敗: 泛→施「如何驗其行」測。
五:察前動作且寫報
察前回動作之閉:
## 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] |
標復現項(同問現於 3+ 回顧)——須升或換法。
寫全回顧:
# 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。
得: 全回顧文存含動作、證、前動作察。
敗: 無改動作→未致變——重訪步三。
驗
- 回顧檔已立含日戳名
- 期結含定量度
- 「何行良」有 3-5 有證項
- 「何須改」有 3-5 有證項
- 改動作有主、期、成判
- 前回動作已察閉
- 復現問已標
忌
- 責戲:回顧察程與踐,非人。問為系,非個。
- 動作無隨進:回顧最大敗。生新前必察前動作。
- 動作過多:2-4 聚焦勝於 10 泛。組一時變能有限。
- 無證:「感覺估差」為見。「5 項 3 超估 50%」為數。必附證。
- 略正:只議問→挫志。慶成強良踐。
參
generate-status-report— 狀報供回顧數據manage-backlog— 改動作回饋入待辦plan-sprint— 回顧學改 sprint 計之準draft-project-charter— 察章假設與險準create-work-breakdown-structure— 察估準對 WBS
GitHub репозиторий
Frequently asked questions
What is the conduct-retrospective skill?
conduct-retrospective is a Claude Skill by pjt222. Skills package instructions and resources that Claude loads on demand, so Claude can perform conduct-retrospective-related tasks without extra prompting.
How do I install conduct-retrospective?
Use the install commands on this page: add conduct-retrospective 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 conduct-retrospective belong to?
conduct-retrospective is in the Meta category, tagged data.
Is conduct-retrospective free to use?
Yes. conduct-retrospective is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
Похожие навыки
Этот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.
Этот навык позволяет разработчикам создавать приложения на платформе прогнозных рынков Polymarket, включая интеграцию с API для торговли и получения рыночных данных. Он также обеспечивает потоковую передачу данных в реальном времени через WebSocket для отслеживания текущих сделок и рыночной активности. Используйте его для реализации торговых стратегий или создания инструментов, обрабатывающих обновления рынка в реальном времени.
Этот навык помогает разработчикам создавать плагины OpenCode, которые подключаются к более чем 25 типам событий, таким как команды, файлы и операции LSP. Он предоставляет структуру плагина, спецификации API событий и шаблоны реализации для модулей на JavaScript/TypeScript. Используйте его, когда вам нужно перехватывать, отслеживать или расширять жизненный цикл ассистента OpenCode AI с помощью пользовательской событийно-ориентированной логики.
SGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей (LLM), специализирующийся на быстрой структурированной генерации JSON, regex и рабочих процессов агентов с использованием кэширования префиксов RadixAttention. Он обеспечивает значительно более высокую скорость вывода, особенно для задач с повторяющимися префиксами, что делает его идеальным для сложных структурированных результатов и многократных диалогов. Выбирайте SGLang вместо альтернатив, таких как vLLM, когда вам требуется ограниченное декодирование или вы создаете приложения с интенсивным совместным использованием префиксов.
