Claude-Skills-Forecasting
基于蒙特卡洛模拟的流式交付概率预测工具
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-Skills-Forecasting。 它的用途是：基于蒙特卡洛模拟的流式交付概率预测工具 完整的 Skill 内容见：https://321skill.com/skills/claude-skills-forecasting/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
“使用MC When技能，帮我预测一下，从今天开始，完成当前积压的120个需求项，在85%的置信水平下，大概什么时候能完成？这是团队过去60天每天完成的需求数量列表。” 它会运行蒙特卡洛模拟，并结合过程变异检查分析你的历史数据，最终给出一个概率性的完成日期范围。或者，你可以问：“使用MC How Many技能，假设我们从下周一开始，到本季度末（3月31日），以我们过去的吞吐量，有70%的把握能完成多少项功能？”
介绍
该技能库旨在解决在流式交付（非时间盒迭代）环境中，团队难以对工作完成时间或工作量进行准确预测的问题。传统的确定性承诺（“我们将在Y日期前完成X项工作”）在复杂多变的环境中常常失效，导致计划频繁变更和信任危机。
它通过提供两个核心技能来应对这一挑战：“MC When”用于预测给定工作项何时能完成，“MC How Many”用于预测在截止日期前能完成多少工作。用户只需提供开始日期、待办事项数量（或目标截止日期）、历史吞吐量数据和所需的置信水平，技能便会运行蒙特卡洛模拟，生成概率性的预测结果，例如“有85%的可能性在3月4日或之前完成X项工作”。
此工具特别适合产品负责人、项目经理以及采用敏捷或看板等流式工作方式的团队实践者。他们可以利用这些数据驱动的预测，与利益相关者进行更透明、更科学的沟通，将对话从“承诺”转向“可能性”，从而更好地管理期望和风险。
使用前，请确保你拥有至少20个数据点的历史吞吐量记录，以获得更可靠的预测。技能内置的过程变异检查功能会分析你的数据稳定性，如果检测到异常值（如假期、突发事件），会给出警告，建议在依赖预测前先调查这些数据点。
核心特点
核心区别在于集成了自动化的“过程变异检查”（XMR控制图），能在运行预测前先验证历史吞吐量数据的稳定性，识别并提示可能扭曲预测结果的异常值（如一次性事件、批量完成），确保蒙特卡洛模拟的前提假设（历史数据代表未来）更可靠。
注意事项
不适合历史数据量极少（如少于20个数据点）或工作流程极不稳定、缺乏规律性模式的团队进行预测。
常见问题
需要多少历史数据才能使用？
建议至少提供20个数据点的历史吞吐量数据，以便进行有效的过程稳定性检查和可靠的模拟。
过程变异检查警告了异常值怎么办？
建议先调查并理解这些异常值产生的原因（如假期、系统故障），根据情况决定是否修正或排除这些数据点后再重新运行预测。
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-skills-forecasting/raw/index.md 读取 Claude-Skills-Forecasting 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-skills-forecasting/raw/index.md（查看排版版本）