返回技能列表

conduct-retrospective

pjt222
更新于 Yesterday
5 次查看
17
2
17
在 GitHub 上查看
其他general

关于

This skill conducts structured project or sprint retrospectives by analyzing status reports and velocity metrics. It identifies successes and areas for improvement, then generates actionable improvement items with owners and deadlines. Developers can use it after sprints, milestones, incidents, or during quarterly reviews to convert raw project data into actionable insights.

快速安装

Claude Code

推荐
主要方式
npx skills add pjt222/agent-almanac -a claude-code
插件命令备选方式
/plugin add https://github.com/pjt222/agent-almanac
Git 克隆备选方式
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/conduct-retrospective

在 Claude Code 中复制并粘贴此命令以安装该技能

技能文档


name: conduct-retrospective description: > ステータスレポートとベロシティメトリクスからデータを収集し、うまくいったこととを 改善が必要なことを構造化し、オーナーと期限付きの実行可能な改善アイテムを生成する ことでプロジェクトまたはスプリントの振り返りを実施します。スプリントの終了時、 プロジェクトフェーズまたはマイルストーンの後、重大なインシデントや成功の後、 継続中プロセスの四半期レビュー時、または教訓を記録するために類似プロジェクトの 開始前に使用します。 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: basic language: multi tags: project-management, retrospective, continuous-improvement, agile, lessons-learned

振り返りの実施

最近のプロジェクト実行をレビューし、うまくいったことといかなかったことを特定し、プロジェクトプロセスにフィードバックされる実行可能な改善アイテムを生成する構造化された振り返りを促進します。このスキルは、特定のアクション、オーナー、期限を持つ証拠に裏付けられた学びに生のプロジェクトデータを変換します。

使用タイミング

  • スプリントの終了時(スプリントレトロスペクティブ)
  • プロジェクトフェーズまたはマイルストーンの終了時
  • 重大なインシデント、失敗、または成功の後
  • 継続中のプロジェクトプロセスの四半期レビュー
  • 類似プロジェクトの開始前(教訓レビュー)

入力

  • 必須: レビュー対象期間(スプリント番号、日付範囲、またはマイルストーン)
  • 任意: レビュー期間のステータスレポート
  • 任意: スプリントのベロシティと完了データ
  • 任意: 前回の振り返りアクション(クローズを確認するため)
  • 任意: チームのフィードバックまたはアンケート結果

手順

ステップ1: 振り返りデータを収集する

レビュー期間の利用可能な成果物を読み取ります:

  • 期間の STATUS-REPORT-*.md ファイル
  • 計画対実際のための SPRINT-PLAN.md
  • アイテムフローとサイクルタイムのための BACKLOG.md
  • オープンなアクションアイテムのための前回の RETRO-*.md

主要な事実を抽出します:

  • 計画対完了アイテム
  • ベロシティのトレンド
  • 発生したブロッカーと解決時間
  • スプリントに入った未計画作業
  • 前回の振り返りからのオープンなアクションアイテム

期待結果: 定量的メトリクス(ベロシティ、完了率、ブロッカー数)を含むデータサマリー。

失敗時: 成果物が存在しない場合、定性的な観察に基づいて振り返りを実施します。

ステップ2: 「うまくいったこと」を構造化する

証拠とともに、うまくいった3〜5件のことをリストアップします:

## 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] |

成果だけでなく、継続すべきプラクティスに焦点を当てます。「デイリースタンドアップがブロッカーを可視化し続けた」は「オンタイムで納品した」より実行可能です。

期待結果: 証拠に裏付けられた3〜5件のポジティブな観察。

失敗時: うまくいったことが何もない場合、より注意深く探します — 小さな成功も重要です。少なくとも、チームは期間を完了しました。

ステップ3: 「改善が必要なこと」を構造化する

証拠とともに、改善が必要な3〜5件のことをリストアップします:

## 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] |

具体的かつ事実に基づいてください。「見積もりがずれていた」は曖昧です。「5件中3件のアイテムが見積もりを50%超えて、8日の未計画作業を追加した」は実行可能です。

期待結果: 影響が記述された証拠に裏付けられた3〜5件の改善領域。

失敗時: チームがすべて問題なしと主張する場合、計画対実際のメトリクスを比較します — ギャップが問題を明らかにします。

ステップ4: 改善アクションを生成する

各改善領域について、実行可能なアイテムを作成します:

## 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 |

各アクションは以下である必要があります:

  • 具体的(「見積もりを改善する」ではなく「グルーミングに見積もりレビューステップを追加する」)
  • 担当者付き(1人が責任を持つ)
  • 期限付き(次の1〜2スプリント以内の期日)
  • 検証可能(成功基準が定義されている)

期待結果: オーナーと期限を持つ2〜4件の改善アクション。

失敗時: アクションが曖昧すぎる場合、「これが完了したとどのように検証するか?」テストを適用します。

ステップ5: 前回のアクションをレビューして報告書を書く

前回の振り返りアクションのクローズを確認します:

## 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] |

繰り返されるアイテム(3回以上の振り返りに登場する同じ問題)にフラグを立てます — これらはエスカレーションまたは別のアプローチが必要です。

完全な振り返りを書きます:

# 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]*

RETRO-[YYYY-MM-DD].md として保存します。

期待結果: アクション、証拠、および前回のアクションレビューを含む完全な振り返り文書が保存されている。

失敗時: 振り返りに改善アクションがない場合、変化を促していません — ステップ3を再確認します。

バリデーション

  • 振り返りファイルが日付スタンプ付きファイル名で作成されている
  • 期間サマリーに定量的メトリクスが含まれている
  • 「うまくいったこと」に証拠に裏付けられた3〜5件のアイテムがある
  • 「改善が必要なこと」に証拠に裏付けられた3〜5件のアイテムがある
  • 改善アクションにオーナー、期限、成功基準がある
  • 前回の振り返りアクションがクローズについてレビューされている
  • 繰り返されるアイテムにフラグが立てられている

よくある落とし穴

  • 責任の押し付け: 振り返りはプロセスとプラクティスをレビューするものであり、人をレビューするものではありません。問題を個人的ではなく、システム的なものとして組み立てます。
  • フォローアップなしのアクション: 振り返りの最大の失敗。常に新しいアクションを作成する前に前回のアクションをレビューします。
  • アクションが多すぎる: 10件の曖昧なアクションより2〜4件の集中したアクションの方が良いです。チームが吸収できる変化には限界があります。
  • 証拠なし: 「見積もりが悪いと感じる」は意見です。「5件中3件のアイテムが見積もりを50%超えた」はデータです。常に証拠を添付します。
  • ポジティブなことのスキップ: 問題だけを議論するのは士気を下げます。成功を祝うことで良いプラクティスが強化されます。

関連スキル

  • generate-status-report — ステータスレポートが振り返りのデータを提供する
  • manage-backlog — 改善アクションがバックログにフィードバックされる
  • plan-sprint — 振り返りの学びがスプリント計画の精度を向上させる
  • draft-project-charter — 憲章の仮定とリスクの精度を見直す
  • create-work-breakdown-structure — WBSに対する見積もりの精度を見直す

GitHub 仓库

pjt222/agent-almanac
路径: i18n/ja/skills/conduct-retrospective
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

相关推荐技能

llamaguard

其他

LlamaGuard是Meta推出的7-8B参数内容审核模型,专门用于过滤LLM的输入和输出内容。它能检测六大安全风险类别(暴力/仇恨、性内容、武器、违禁品、自残、犯罪计划),准确率达94-95%。开发者可通过HuggingFace、vLLM或Sagemaker快速部署,并能与NeMo Guardrails集成实现自动化安全防护。

查看技能

cost-optimization

其他

这个Claude Skill帮助开发者优化云成本,通过资源调整、标记策略和预留实例来降低AWS、Azure和GCP的开支。它适用于减少云支出、分析基础设施成本或实施成本治理策略的场景。关键功能包括提供成本可视化、资源规模调整指导和定价模型优化建议。

查看技能

quantizing-models-bitsandbytes

其他

这个Skill使用bitsandbytes库量化大语言模型,能在GPU内存有限时通过8位或4位量化减少50-75%内存占用,同时保持精度损失最小。它支持INT8、NF4、FP4等多种量化格式,可与HuggingFace Transformers无缝集成,适用于需要部署更大模型或加速推理的场景。还提供QLoRA训练和8位优化器支持,让开发者能轻松实现高效模型压缩。

查看技能

dispatching-parallel-agents

其他

该Skill用于并行处理3个以上无依赖关系的独立故障,可为每个问题域分派专属Claude代理同时执行调查修复。它通过并发处理多个独立问题显著提升故障排查效率,特别适用于测试文件、子系统等无共享状态的场景。

查看技能