
关于
使用基于研究的 PERT 统计和校准反馈循环估算 AI 辅助和人机混合开发工作量。
name: progressive-estimation description: "使用基于研究的 PERT 统计和校准反馈循环,估算 AI 辅助和人机混合开发工作量" category: project-management risk: safe source: community date_added: "2026-03-10" author: Enreign tags:
- estimation
- project-management
- pert
- sprint-planning
- ai-agents tools:
- claude
渐进式估算
使用基于研究的公式,结合 PERT 统计、置信区间和校准反馈循环,估算 AI 辅助和人机混合开发工作量。
概述
渐进式估算能适应你团队的工作模式 —— 纯人工、混合或 Agent 优先 —— 为每种模式应用正确的速度模型和乘数。它产出的是统计估算而非直觉判断。
何时使用本技能
- 估算 AI Agent 承担部分工作的开发任务
- 人机混合团队的 Sprint 规划
- 批量评估待办事项(处理 5 个或 500 个 Issue)
- 使用 Agent 乘数进行人员配置和产能规划
- 带置信区间的发布日期预测
工作原理
- 模式检测 —— 判断团队是纯人工、混合还是 Agent 优先
- 任务分类 —— 按规模(XS-XL)、复杂度和风险分类
- 公式应用 —— 应用基于实证研究的乘数
- PERT 计算 —— 使用三点估算产出期望值
- 置信区间 —— 生成 P50、P75、P90 区间
- 输出格式化 —— 格式化为 Linear、JIRA、ClickUp、GitHub Issues、Monday 或 GitLab 格式
- 校准 —— 反馈实际数据以改进未来估算
示例
单个任务:
"使用 Claude Code 估算构建带认证的 REST API"
批量模式:
"估算下个 Sprint 的这 12 个 JIRA 工单"
带上下文:
"我们有 3 名开发者,约 60% 的实现使用 AI Agent。估算这个功能。"
最佳实践
- 先从单个任务开始校准,再转向批量模式
- 反馈实际完成时间以改进校准系统
- 使用"即时模式"进行快速 T 恤尺码估算,无需完整 PERT 分析
- 明确说明团队组成和 Agent 使用比例
常见陷阱
-
问题: 过度自信的估算 解决方案: 承诺时使用 P75 或 P90,而非 P50
-
问题: 缺少上下文 解决方案: 本技能会提出澄清问题 —— 请提供团队规模和 Agent 使用情况
-
问题: 校准过时 解决方案: 当团队组成或工具发生重大变化时重新校准
相关技能
@sprint-planning- Sprint 规划和待办事项管理@project-management- 通用项目管理工作流@capacity-planning- 团队速度和产能规划
其他资源
局限性
- 仅在任务明确匹配上述描述范围时使用本技能。
- 不要将输出视为环境特定验证、测试或专家审查的替代品。
- 如果缺少必要的输入、权限、安全边界或成功标准,请停下来寻求澄清。
兼容工具
Claude CodeCursor
标签
AI与机器学习