mcpField
F
feature-prioritisation

feature-prioritisation

github.com/mohitagw15856生产力1.5k49 次安装5 天前更新
代码仓库

关于 feature-prioritisation

feature-prioritisation 是一项依据明确目标为产品功能排序的技能，支持 RICE、MoSCoW、ICE 和 Kano 等框架。它还提供用于计算 RICE 和 ICE 的 Python 脚本，并记录排序理由与假设。

主要功能

  1. 01根据场景选择优先级框架
  2. 02围绕共同目标评估功能
  3. 03支持 RICE、MoSCoW、ICE 和 Kano
  4. 04使用 Python 计算 RICE 与 ICE
  5. 05记录排序理由和假设

适用场景

  1. 01为迭代或发布安排待办优先级
  2. 02用 RICE 或 ICE 比较项目
  3. 03通过功能分类促进利益相关方对齐
  4. 04记录暂缓项目及评估假设

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/mohitagw15856/pm-claude-skills --skill feature-prioritisation

安装后在 Claude Code 中输入/feature-prioritisation确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

references/
framework-selection.md
worked-example.md
scripts/
feature_prioritisation.py
templates/
prioritisation-session.md

详细介绍

功能优先级排序技能

为任何待办事项列表应用合适的优先级排序框架，并给出清晰、有依据的排序及理由，而不只是一个排好序的列表。

必要输入

如果用户未提供，请询问：

  • 待排序的功能或计划列表
  • 优先级排序所依据的目标或指标（OKR、发布、冲刺）
  • 首选框架（或根据下文情境给出建议）
  • 团队数据：影响范围估算、工作量估算、速度（用于 RICE）

框架选择指南

询问用户偏好的框架，或根据情境给出建议：

情境推荐框架
需要快速、数据驱动的评分RICE
利益相关方协调会议MoSCoW
了解客户满意度与预期之间的关系Kano
早期初创公司，需要快速决策ICE
识别未得到充分满足的客户需求机会评分
战略性组合决策价值与工作量矩阵

RICE 评分

公式：（影响范围 × 影响力 × 置信度）÷ 工作量

因素定义范围
影响范围每季度受影响的用户数实际数值
影响力每位用户对目标产生的影响0.25 / 0.5 / 1 / 2 / 3
置信度你有多确定？50% / 80% / 100%
工作量所需人月实际数值

输出表格：

功能影响范围影响力置信度工作量RICE 得分优先级

MoSCoW 方法

将每项功能归入以下类别：

  • 必须有 — 发布或冲刺不可或缺；缺少它，产品就无法正常交付
  • 应该有 — 很重要，但不是关键；存在替代方案
  • 可以有 — 有了更好；只有时间允许时才纳入
  • 本次不做 — 明确列为当前范围之外；之后可以重新考虑

始终询问：“对什么来说是必须有？”——在分类前明确范围（发布、冲刺或季度）。

ICE 评分（初创公司／快速模式）

**公式：**影响力 + 置信度 + 易度（每项 1–10 分）

快速、主观；适合缺乏数据时做早期决策。

Kano 模型

将功能分类为：

  • 基本型（必备）：用户有所预期；缺少会导致不满
  • 期望型：越多，满意度越高；两者呈线性关系
  • 兴奋型（惊喜项）：出乎意料；能带来惊喜；缺少也不会造成不满
  • 无差异型：用户对有无这项功能都不在意
  • 反向型：部分用户想要，另一些用户则不想要

建议的构建顺序：先完成所有基本型功能 → 为关键用例构建期望型功能 → 每次发布加入 1–2 项兴奋型功能。

程序化辅助工具

此技能附带一个仅使用 Python 标准库的脚本，可为基于数学计算的框架（RICE、ICE）计算排名，确保不同会话中的功能评分保持一致。

# RICE from JSON
python3 scripts/feature_prioritisation.py initiatives.json --framework rice

# RICE from CSV
python3 scripts/feature_prioritisation.py initiatives.csv --framework rice --format csv

# ICE from JSON
python3 scripts/feature_prioritisation.py features.json --framework ice

# Pipe into it
printf '%s\n' '[{"name":"API refactor","impact":8,"confidence":80,"ease":5}]' \
  | python3 scripts/feature_prioritisation.py --framework ice -

使用 --json 可生成供下游工具使用的机器可读输出。

输出格式

功能优先级排序 — [产品／团队] — [日期]

使用的框架：[RICE / MoSCoW / ICE / Kano / 自定义] 范围：[冲刺 / 季度 / 发布] 优先级排序所依据的目标：[指标或目标]

[使用所选框架评分的表格]

建议的构建顺序：

  1. [功能] — [一句话说明理由]
  2. [功能] — [一句话说明理由]
  3. ...

明确降低优先级的事项：

  • [功能] — 原因：[简要说明]

作出的假设：

  • [评分中使用的任何估算或判断]

指南

  • 始终以具体目标或指标为优先级排序的依据；绝不要脱离具体目标排序
  • 如果两项功能的得分相近，但风险状况大不相同，请明确指出
  • 如果利益相关方之间的政治因素影响了优先级排序，请明确说明，并建议将框架得分与最终决策分开
  • 建议至少每 2 周重新审视一次优先级
  • 绝不要只给出单列排序而不说明理由——解释排名前三和后三项决策背后的原因

深入材料

此技能附带支持文件——如有，请使用：

  • references/framework-selection.md — 选择优先级排序框架（而不是默认使用 RICE）。生成输出时请应用其中的内容；它包含校准方法和判断要点，而上述方法摘要对此进行了简化。
  • templates/prioritisation-session.md — 可填写的交付物模板，内含质量门槛。用户想自行填写文档，而不是让你生成时，请提供此模板。

评分标准（0–40）

交付前，先为此技能的任何输出评分；32 分及以上即可交付。

维度0510
目标对齐未说明目标，或各项被悄然按不同目标评分提到了目标，但各项评分未关联目标；仍对偏离目标的项目评分明确说明一项指标和范围；每项评分均有依据；将服务于不同目标的项目剔除，并说明需重新提交
评分严谨性同一场评审中混用多个框架、算术错误，或在表格中途临时编造量表始终采用同一框架，但默认置信度偏高，且未定义量表锚点始终采用同一框架，计算可核验，影响锚点已定义，置信度如实反映每项估算背后的证据
剔除项与假设的透明度被剔除的项目直接消失；没有估算记录或来源列出了低优先级项目，但没有说明理由；假设不完整或没有来源每项剔除内容均附有理由和重新审视的触发条件；假设注明来源（分析数据、工程估算），使排序可重新执行
数字之外的判断把排序表直接当作决策为首选项目提供了理由，但未提及接近持平的项目、风险状况和政治因素根据风险打破接近持平的局面，并说明理由；指出政治压力，并将框架评分与最终决策分开；同时解释列表顶部和底部的项目

质量检查

  • 每项都按同一目标或指标评分（而非每项使用不同目标）
  • 明确列出低优先级项目及其理由（不能只从排序列表中省略）
  • 记录评分所用的假设
  • 将利益相关者的政治因素或个人偏好与框架评分分开
  • 优先级排序明确限定在特定范围内（冲刺 / 季度 / 发布）

反模式

  • 不要按不同目标给项目评分——一次优先级排序中，所有项目都必须依据同一目标评分
  • 不要省略低优先级项目——明确列出被剔除的项目及原因，与列出排序结果同样重要
  • 不要让利益相关者的政治因素凌驾于框架评分之上，却不记录这种调整及其理由
  • 不要在同一场评审中混用 RICE、ICE 或 MoSCoW 等不同框架的评分——每次优先级排序只选用一个框架
  • 若未记录评分所用的假设，不要将输出视为最终结果——假设会变化，因此排序列表必须能够重新审视

评论

支持 Markdown