mcpField
P
pm-skills

pm-skills

github.com/alirezarezvani生产力28.9k2.0k 次安装2 天前更新
代码仓库

关于 pm-skills

项目管理技能，可将请求路由到八个专长技能之一，或使用 Jira 实时数据、分析工具和验证门禁执行受治理的交付循环。

主要功能

  1. 01在八个 PM 技能间确定性路由
  2. 02将 Jira 快照桥接为流量与迭代指标
  3. 03可机器检查的计划与关闭门禁
  4. 04人工负责、审核与升级规则

适用场景

  1. 01将 Jira 或 Confluence 问题路由给专长技能
  2. 02根据 Jira 快照衡量流量指标
  3. 03通过验证步骤推进交付目标

MCP 相关

内置 Atlassian Remote MCP，用于获取 Jira 数据并开展分析。技能将快照接入分析工具，并管理任务验证；Jira 和 Confluence 写入遵循审计与审批规则。

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/alirezarezvani/claude-skills --skill pm-skills

安装后在 Claude Code 中输入/pm-skills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。

assets/
expected_flow_metrics.json
sample_jira_snapshot.json
references/
agentic_delivery_governance.md
flow_forecasting_canon.md
pm_loop_playbook.md
scripts/
delivery_loop_gate.py
jira_snapshot_bridge.py
pm_goal_router.py

详细介绍

项目管理——领域编排器与交付循环

本编排器承担两项工作。**路由：**分叉上下文，使用 scripts/pm_goal_router.py 对 PM 咨询进行分类，运行 8 个子技能中的恰好一个，并返回摘要。**循环：**将交付目标转化为有界的 Agentic 循环——通过随附的 Atlassian MCP 拉取实时 Jira 数据，将其接入领域的确定性分析工具，使用机器运行的门禁验证每一步，并在所有内容经验证或由人工豁免之前拒绝关闭。随附的 .mcp.json 连接了 Atlassian 远程 MCP（https://mcp.atlassian.com/v1/sse，OAuth 由 Claude Code 处理）。

何时调用

症状子技能
"项目/组合健康度、风险 EMV、产能"senior-pm
"Sprint 速率、复盘落实、仪式健康度、何时能完成"scrum-master
"JQL、Jira 工作流、看板、自动化"jira-expert
"Confluence 空间、页面树、内容审计"confluence-expert
"用户、组、权限、SSO"atlassian-admin
"可复用的 Jira/Confluence 模板"atlassian-templates
"会议转录、发言时长、行动项"meeting-analyzer
"状态更新、3P 更新、利益相关方沟通"team-communications

路由逻辑（确定性）

运行路由器——当脚本可以做出判断时，不要凭目测查看表格：

python3 scripts/pm_goal_router.py --text "<the goal>" --output json

退出码 0 → route_to 指明子技能：加载其 SKILL.md 并遵循其工作流。 退出码 2 → 提出一个澄清问题，列出候选项，并给出推荐答案。退出码 3 → 无信号：请用户重新表述目标，并明确交付物。 切勿静默猜测；切勿静默串联第二个子技能——先输出摘要、确认，然后再串联。

交付循环（Agentic）

对于目标（而非问题）——"把 Sprint 14 推进到经验证的关闭"、"基于实时 Jira 生成项目组合健康度报告"、"让我们的流动指标每周可见"——运行循环库契约（Observe → Choose → Act → Verify → Record → Repeat-or-stop）：

  1. Observe（观察）——拉取最新状态：mcp__atlassian__searchJiraIssuesUsingJql（先通过 getAccessibleAtlassianResources 获取 cloudId），保存结果 JSON，然后将其接入： 
    python3 scripts/jira_snapshot_bridge.py --input snapshot.json --to flow            # WIP, throughput, cycle time p50/85/95, work-item age, SLE, aging alerts
python3 scripts/jira_snapshot_bridge.py --input snapshot.json --to sprint > s.json # scrum-master schema
python3 ../scrum-master/scripts/velocity_analyzer.py s.json                        # velocity + volatility + forecast
    添加 --forecast N，可获得基于种子的蒙特卡洛"何时能完成 N 项"预测（已完成项少于 10 项时拒绝预测——历史数据不足的预测不可信）。
  2. Choose（选择）——使用 pm_goal_router.py 路由下一个任务；每次一个任务。
  3. Act（执行）——依据路由到的子技能的 SKILL.md，使用其自身工具执行。
  4. Verify（验证）——使用以下命令对计划及每次关闭进行门禁检查： 
    python3 scripts/delivery_loop_gate.py --plan plan.json --mode plan    # exit 2 = blocked
python3 scripts/delivery_loop_gate.py --plan plan.json --mode close   # exit 4 = close refused
    此外还需通过各子技能自身的门禁（scrum-master 的 ≥ 3 个 Sprint 规则、atlassian-admin 的 VERIFY 步骤）。切勿由自己裁定自己的验证结果。
  5. Record / Repeat-or-stop（记录 / 重复或停止）——对于多任务目标，将当前状态交由仓库级别的 harness 处理（它会强制执行尝试次数上限、迭代预算和证据记录）： 
    python3 engineering/agent-harness/skills/agent-harness/scripts/goal_compiler.py \
  --goal "<goal>" --manifest engineering/agent-harness/skills/agent-harness/assets/harnesses/project-management.json \
  --out .agent-harness/plan.json
python3 engineering/agent-harness/skills/agent-harness/scripts/loop_controller.py init|next|record|verify|close ...
    终止状态：成功、无操作完成、阻塞、需要审批、耗尽、停滞。预算耗尽属于升级处理——绝不能报告为成功。

硬性规则（Agent 化交付治理）

  1. Agent 是贡献者，绝非负责人（Linear 模型）：每个循环任务都必须指定一名人类负责人；由 Agent 执行的任务还需指定一名人类审阅人。delivery_loop_gate.py 会强制执行此规则（G1/G2）。
  2. 验收必须可机器检查：要么是一条命令，要么是带阈值的标准。“看起来不错”不能作为门禁（G3）。
  3. 每一次 Jira/Confluence 写入都必须可审计、优先可逆（Rovo 纪律）：没有验证证据时，绝不能通过 transitionJiraIssue 将任务转为 Done；破坏性或不可逆操作（删除、权限变更、组织级管理操作）属于需要审批的终止状态，而非循环步骤。
  4. 绝不修改用来评判你的门禁：与 autoresearch-agent 相同的锁定评估器不变量。
  5. 预测应给出带置信度的区间，绝不给出日期：采用 Vacanti 提出的蒙特卡洛百分位数（p50/p70/p85/p95）。单一日期承诺是反模式。
  6. 每个任务最多尝试 3 次，每个目标最多 12 次循环迭代：超出后，连同证据日志上报给指定的人类负责人。

强制提问库（grill-with-docs 模式）

每轮只问一个问题，附带推荐答案和规范出处。在确定决定车道的关键决策前，绝不运行子技能或启动循环：

  • SPRINT 车道：“你是想度量流动（周期时间、WIP、吞吐量、年龄），还是想预测交付？建议：先度量。基于未度量流动的预测只是噪声。规范出处：《Kanban Guide》（2025 年 5 月）四项强制流动度量；Vacanti，《Actionable Agile Metrics》。”
  • HEALTH 车道：“你的项目状态是自报的 RAG，还是由信号推导出来的？建议：从信号推导（进度偏差、WIP 老化、范围变动），并与自报结果做对比，这种差异能发现“西瓜型”项目。规范出处：《Kanban Guide》2025；DORA 2025（AI 会放大而非修复薄弱信号）。”
  • JIRA 车道：“这项配置变更能否先部署到测试项目？建议：始终先在测试项目中暂存；jira-expert 的工作流校验器必须以退出码 0 结束，才能进入生产环境。规范出处：jira-expert 校验工作流。”
  • ADMIN 车道：“该操作是否可逆，由谁审批？建议：在修改权限前先指定审批人。在任何循环中，管理操作都属于需要审批的终止状态。规范出处：atlassian-admin 的 VERIFY 纪律；loop-library 停止状态。”
  • LOOP 入口：“哪个单一、可观察的结果意味着 DONE，哪条命令能证明它？建议：一个明确的产物，加上一条针对该产物、以退出码 0 结束的命令。规范出处：agent-harness 验证器定律；Anthropic，《Building Effective Agents》（评估器需要明确的标准）。”
  • MEETINGS/COMMS 车道：“这次会议能否改为异步书面更新？建议：状态广播类会议转为异步 3P 更新；决策类会议保留同步形式。规范出处：GitLab 异步优先手册。”

假设

  1. 用户拥有（或正在为拥有）交付权限的人准备分析材料。
  2. Jira/Confluence 访问通过随附的 MCP 进行；project-management/references/atlassian-mcp-tools.md 中未列出的能力（项目/冲刺/看板/空间创建、管理配置）需在网页界面完成，切勿虚构工具名称。
  3. 输入可能不完整，每个工具都提供 --sample，以便先查看数据结构。

非目标

  • 不替代子技能：编排器负责路由和循环，具体工作由子技能完成。
  • 不是通用循环引擎：那是 engineering/agent-harness 的职责；本编排器是 PM 领域适配器（数据桥接 + 治理门禁 + 车道路由器）。
  • 不决定构建什么：那是 product-team 的职责。

输出产物

模式产物
Route子技能自身的产物 + 不超过 200 字的摘要，附一条带规范出处的质疑
Flow reportflow_metrics.json（桥接输出），包含 SLE 合规性与老化告警
Delivery loop.agent-harness/plan.json + state.json + 门禁判定结果 + 收尾交接

反模式（请勿这样做）

  • ❌ 为了"全面"而运行全部 8 个子技能：应路由到一个技能，消化结果，经确认后再串联下一步
  • ❌ 在 Jira 快照只需一次 MCP 调用即可获取时，却用手动输入的数字报告 Sprint 健康度或预测：应接入真实数据
  • ❌ 在未验证任务的情况下关闭循环，或将耗尽的预算报告为成功
  • ❌ 让 Agent 成为记录在案的负责人：由人类负责，Agent 负责贡献
  • ❌ 在循环中未经指定审批人批准，就自动流转 Jira 工单或修改权限

参考资料

  • references/flow_forecasting_canon.md — Kanban Guide 2025、Vacanti 蒙特卡洛、DORA 2025、EBM、SPACE
  • references/agentic_delivery_governance.md — Linear/Rovo 委派模型、Anthropic Agent 模式、审计规范
  • references/pm_loop_playbook.md — 五个可复用的项目管理循环（Sprint、健康度、回顾行动、RAID 维护、沟通），并映射到循环契约
  • 标准 MCP 工具列表：project-management/references/atlassian-mcp-tools.md
  • 循环引擎：engineering/agent-harness · 循环词汇表：loop-library

评论

支持 Markdown