优先级计算器Skill prioritization-calculator

---

名称: 优先级计算器 描述: 自动计算和评分产品优先级框架，包括RICE、ICE、MoSCoW和自定义加权评分。标准化分数，验证输入，并生成带置信区间的优先级排名。 允许工具: 读取、搜索、写入、Bash、编辑、全局

优先级计算器技能

为多种优先级框架计算和验证分数，支持加权评分、标准化和置信度调整的排名。

概述

本技能为产品管理中常用的优先级框架提供稳健的计算引擎。它处理分数标准化、验证、自定义加权，并生成可操作的优先级排名。

功能

RICE评分

• 计算覆盖范围、影响、置信度、工作量分数
• 在不同规模系统间标准化
• 应用团队容量调整
• 生成置信度调整的排名

ICE评分

• 影响、置信度、易用性计算
• 跨功能比较评分
• 增长实验的快速优先级排序
• 敏感性分析

MoSCoW分类

• 必须有、应该有、可以有、不会有分类
• 基于约束的分类规则
• 依赖感知排序
• 发布计划集成

加权评分

• 自定义优先级框架
• 多标准加权
• 利益相关者偏好集成
• 动态权重调整

分数分析

• 跨数据源标准化分数
• 生成带区间的优先级排名
• 识别分数聚类和异常值
• 跟踪优先级随时间的变化

前提条件

输入数据格式

{
  "项目": [
    {
      "id": "FEAT-001",
      "名称": "功能名称",
      "分数": {
        "覆盖范围": 5000,
        "影响": 2,
        "置信度": 0.8,
        "工作量": 3
      },
      "元数据": {
        "主题": "增长",
        "请求方": "销售"
      }
    }
  ],
  "配置": {
    "框架": "rice",
    "工作量单位": "人周",
    "团队容量": 20
  }
}

使用模式

RICE分数计算

## RICE公式

RICE分数 = (覆盖范围 * 影响 * 置信度) / 工作量

### 规模定义

**覆盖范围**: 每季度受影响的用户/客户数量
- 保守估计
- 有数据时使用数据

**影响**: 对用户的预期影响
| 分数 | 含义 |
|-------|---------|
| 3 | 巨大影响 |
| 2 | 高影响 |
| 1 | 中等影响 |
| 0.5 | 低影响 |
| 0.25 | 最小影响 |

**置信度**: 我们有多确定？
| 分数 | 含义 |
|-------|---------|
| 1.0 | 高置信度 - 可靠数据 |
| 0.8 | 中等置信度 - 部分数据 |
| 0.5 | 低置信度 - 有根据的猜测 |

**工作量**: 人月或人周
- 包括所有工作：设计、开发、测试、发布
- 对未知情况向上取整

RICE计算示例

# RICE分数计算器

def 计算_rice(覆盖范围, 影响, 置信度, 工作量):
    """
    计算优先级排序的RICE分数。

    参数:
        覆盖范围: 每季度受影响的用户
        影响: 影响分数 (0.25, 0.5, 1, 2, 或 3)
        置信度: 置信度水平 (0.5, 0.8, 或 1.0)
        工作量: 人周工作量

    返回:
        RICE分数
    """
    if 工作量 <= 0:
        raise ValueError("工作量必须为正数")

    rice_分数 = (覆盖范围 * 影响 * 置信度) / 工作量
    return rice_分数

# 示例功能
功能列表 = [
    {"名称": "搜索改进", "覆盖范围": 10000, "影响": 2, "置信度": 0.8, "工作量": 4},
    {"名称": "导出为PDF", "覆盖范围": 2000, "影响": 1, "置信度": 1.0, "工作量": 2},
    {"名称": "AI建议", "覆盖范围": 5000, "影响": 3, "置信度": 0.5, "工作量": 8},
]

# 计算和排名
for 功能 in 功能列表:
    功能["rice_分数"] = 计算_rice(
        功能["覆盖范围"],
        功能["影响"],
        功能["置信度"],
        功能["工作量"]
    )

排名结果 = sorted(功能列表, key=lambda x: x["rice_分数"], reverse=True)

ICE分数计算

## ICE公式

ICE分数 = 影响 * 置信度 * 易用性

### 规模定义 (每个1-10分)

**影响**: 这将推动指标多少？
- 10: 巨大改进
- 5: 中等改进
- 1: 最小改进

**置信度**: 我们有多确定它会有效？
- 10: 非常自信 (已测试/已验证)
- 5: 有些自信 (类似方法有效)
- 1: 纯假设

**易用性**: 实现有多容易？
- 10: 简单 (几小时)
- 5: 中等 (几天)
- 1: 复杂 (数周以上)

ICE计算示例

def 计算_ice(影响, 置信度, 易用性):
    """
    计算增长优先级的ICE分数。

    参数:
        影响: 对目标指标的1-10分影响
        置信度: 1-10分置信度水平
        易用性: 1-10分实现易用性

    返回:
        ICE分数 (1-1000)
    """
    return 影响 * 置信度 * 易用性

# 示例实验
实验列表 = [
    {"名称": "新CTA颜色", "影响": 3, "置信度": 5, "易用性": 10},
    {"名称": "简化结账流程", "影响": 8, "置信度": 7, "易用性": 4},
    {"名称": "社交证明", "影响": 5, "置信度": 8, "易用性": 7},
]

for 实验 in 实验列表:
    实验["ice_分数"] = 计算_ice(实验["影响"], 实验["置信度"], 实验["易用性"])

排名结果 = sorted(实验列表, key=lambda x: x["ice_分数"], reverse=True)

MoSCoW分类

## MoSCoW框架

### 必须有 (M)
- 发布的必要条件
- 没有它失败是不可接受的
- 价值主张的核心

### 应该有 (S)
- 重要但不关键
- 存在变通方案
- 必须有之后的下一个优先级

### 可以有 (C)
- 锦上添花
- 会增强但不是必需的
- 如果时间允许就做

### 不会有 (W)
- 明确超出范围
- 推迟到未来
- 同意现在不做

## 分类规则

```python
def 分类_moscow(项目, 约束):
    """
    将项目分类到MoSCoW类别。

    参数:
        项目: 功能/需求
        约束: 发布约束

    返回:
        MoSCoW类别
    """
    # 必须有标准
    if 项目.是法规要求 or 项目.阻碍发布:
        return "M"

    # 应该有标准
    if 项目.影响分数 >= 0.7 and 项目.符合预算:
        return "S"

    # 可以有标准
    if 项目.影响分数 >= 0.4:
        return "C"

    # 不会有
    return "W"

### 加权评分框架
```markdown
## 自定义加权评分

### 定义标准
| 标准 | 权重 | 规模 |
|-----------|--------|-------|
| 战略对齐 | 25% | 1-5 |
| 收入影响 | 20% | 1-5 |
| 客户需求 | 20% | 1-5 |
| 技术可行性 | 15% | 1-5 |
| 竞争压力 | 10% | 1-5 |
| 风险水平 (反向) | 10% | 1-5 |

### 计算
```python
def 加权分数(项目, 标准权重):
    """
    计算加权优先级分数。

    参数:
        项目: 包含每个标准分数的字典
        标准权重: 包含权重的字典 (必须总和为1.0)

    返回:
        加权分数
    """
    总计 = 0
    for 标准, 权重 in 标准权重.items():
        分数 = 项目.get(标准, 0)
        总计 += 分数 * 权重
    return 总计

## 与Babysitter SDK集成

### 任务定义示例
```javascript
const 优先级任务 = defineTask({
  名称: '功能优先级排序',
  描述: '计算功能的优先级分数',

  输入: {
    功能: { 类型: '数组', 必需: true },
    框架: { 类型: '字符串', 默认: 'rice' },
    自定义权重: { 类型: '对象', 默认: null },
    团队容量: { 类型: '数字', 默认: null }
  },

  输出: {
    排名功能: { 类型: '数组' },
    分数分布: { 类型: '对象' },
    建议: { 类型: '数组' }
  },

  async 运行(输入, 任务上下文) {
    return {
      种类: '技能',
      标题: `计算${输入.框架.toUpperCase()}分数`,
      技能: {
        名称: '优先级计算器',
        上下文: {
          操作: '计算分数',
          功能: 输入.功能,
          框架: 输入.框架,
          自定义权重: 输入.自定义权重,
          团队容量: 输入.团队容量
        }
      },
      io: {
        输入Json路径: `tasks/${任务上下文.效果Id}/input.json`,
        输出Json路径: `tasks/${任务上下文.效果Id}/result.json`
      }
    };
  }
});

输出格式

优先级报告

# 功能优先级报告

## 框架: RICE
## 日期: 2026-01-24
## 团队容量: 20人周/季度

## 排名

| 排名 | 功能 | RICE分数 | 覆盖范围 | 影响 | 置信度 | 工作量 |
|------|---------|------------|-------|--------|------------|--------|
| 1 | 搜索改进 | 4000 | 10000 | 2 | 0.8 | 4 |
| 2 | 导出为PDF | 1000 | 2000 | 1 | 1.0 | 2 |
| 3 | AI建议 | 937 | 5000 | 3 | 0.5 | 8 |

## 容量分析

- 总可用: 20人周
- 前2个功能: 6人周 (符合)
- 所有3个功能: 14人周 (符合)

## 建议

1. **执行**: 搜索改进 (最高分数，已验证影响)
2. **执行**: 导出为PDF (高置信度，低工作量)
3. **验证**: AI建议 (高影响但低置信度 - 先运行实验)

分数分布分析

{
  "框架": "rice",
  "已评分项目": 15,
  "分数统计": {
    "平均值": 2450,
    "中位数": 1800,
    "标准差": 1200,
    "最小值": 250,
    "最大值": 5800
  },
  "聚类": [
    {
      "名称": "高优先级",
      "阈值": ">3000",
      "数量": 3
    },
    {
      "名称": "中优先级",
      "阈值": "1000-3000",
      "数量": 7
    },
    {
      "名称": "低优先级",
      "阈值": "<1000",
      "数量": 5
    }
  ]
}

最佳实践

1. 一致规模: 所有评分者使用相同的规模定义
2. 记录假设: 记录如何估计覆盖范围/影响
3. 定期重新校准: 新数据到达时更新分数
4. 避免虚假精度: RICE用于相对排名，不是绝对真理
5. 考虑依赖关系: 排名时考虑功能依赖关系
6. 涉及利益相关者: 从多个角度获取分数输入

常见陷阱

1. 夸大置信度: 如果不确定，默认0.5
2. 乐观工作量: 始终包括测试、文档、发布时间
3. 重复计算覆盖范围: 避免多次计算相同用户
4. 操纵分数: 促进诚实的评分讨论

参考资料

• RICE优先级排序器Claude技能
• Sprint优先级排序器插件
• OKR级联生成器
• Linear MCP服务器