claude_skill_monte_carlo_flow
基于蒙特卡洛模拟的流式交付预测工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：claude_skill_monte_carlo_flow。 它的用途是：基于蒙特卡洛模拟的流式交付预测工具 完整的 Skill 内容见：https://321skill.com/skills/claude-skill-monte-carlo-flow/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘我们接下来要完成80个用户故事，历史每日完成量是[2,5,1,0,3,4,2,6,0,1,4,3]，请用85%的置信度预测我们何时能完成，假设从今天开始。’ 它会运行蒙特卡洛模拟，并告诉你类似‘有85%的可能性在6月15日或之前完成所有80个任务’的结果。或者你可以问：‘到本季度末（2025-03-31），我们以70%的把握能完成多少个任务？’
介绍
在敏捷开发和流式交付环境中，传统的确定性预测（如“我们将在X日完成Y个任务”）往往因不确定性而失效。本工具通过蒙特卡洛模拟，将历史吞吐量数据转化为概率性预测，帮助团队回答“何时能完成”或“到某日能完成多少”这两个关键问题，从而建立更科学的预期和承诺。
使用非常简单：您只需提供历史每日完成的任务数量（吞吐量数组）、一个置信度（如85%）以及一个核心参数（对于“MC何时”是待完成的任务总数，对于“MC多少个”是目标截止日期）。Skill将基于历史数据的随机抽样模拟，输出一个概率性的结果范围，例如“有85%的可能性在3月4日或之前完成150个任务”。
该工具非常适合产品经理、项目经理、Scrum Master以及任何需要基于数据制定发布计划或管理利益相关者期望的团队成员。它特别适用于采用看板等流式交付方法的敏捷团队，帮助他们从“承诺日期”思维转向“概率预测”思维。
建议将历史吞吐量数据准备得尽可能长且真实，包含节假日、瓶颈期等完整周期，这样模拟结果会更可靠。注意，预测基于“未来与过去相似”的假设，若团队构成、流程或工作性质发生重大变化，预测的准确性可能会下降。
核心特点
与许多基于平均速度或简单线性外推的预测工具不同，此Skill采用蒙特卡洛模拟，能更准确地捕捉工作流中的随机性和波动性，直接输出概率性结论（如85%置信度），而非单一确定日期，更符合现实世界的不确定性。
注意事项
不适合工作模式发生根本性变革（如团队重组、技术栈更换）或历史数据极短/不具代表性的场景。
常见问题
蒙特卡洛预测和基于平均速度的预测有什么区别？
平均速度预测假设未来每天完成量恒定，忽略了实际工作中的波动和不确定性。蒙特卡洛模拟通过随机抽样历史日完成量来模拟成千上万种可能的未来，从而得出一个概率分布，能更真实地反映风险，告诉你“有X%的可能性在Y日前完成”。
历史吞吐量数据应该包含周末和节假日吗？
是的，应该包含。您的历史数据应真实反映团队的实际工作日历。如果团队周末不工作，那么数据中的“0”就代表了这些非工作日。模拟过程会基于这些真实模式进行，从而生成更符合实际日历的预测。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/claude-skill-monte-carlo-flow/raw/index.md 读取 claude_skill_monte_carlo_flow 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/claude-skill-monte-carlo-flow/raw/index.md（查看排版版本）