feature-review
用RICE/WSJF/Kano评分积压项并自动创建GitHub Issues
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：feature-review。 它的用途是：用RICE/WSJF/Kano评分积压项并自动创建GitHub Issues 完整的 Skill 内容见：https://321skill.com/skills/feature-review-x-3/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
‘请使用RICE方法对当前Sprint Backlog中的任务进行评分，并自动为Top 3候选创建GitHub Issues。’ 它会逐一分析每个任务的Reach、Impact、Confidence、Effort，计算RICE得分，排序后调用GitHub API创建Issue，标题包含任务名，正文包含评分详情和推荐执行时间。
介绍
在项目管理和产品迭代过程中，面对大量待办事项（Backlog），如何科学地确定优先级是一个常见痛点。本Skill通过内置的RICE、WSJF、Kano三种评分模型，帮助团队对每个Backlog项进行量化评估，自动计算得分并排序，避免主观判断带来的偏差。
用户只需一条指令，即可让AI读取当前项目或Sprint的Backlog，根据预设的权重（如Reach、Impact、Confidence、Effort等维度）逐一评分，并自动筛选出得分最高的候选任务。随后，Skill会直接调用GitHub API，为这些高优先级项创建详细的Issue，包含评分依据、核心结论和推荐执行时间，无缝衔接后续开发。
本Skill特别适合产品经理、项目经理以及需要频繁进行Backlog梳理的跨职能团队。无论是日常Sprint规划、版本发布前的需求筛选，还是长期路线图的优先级调整，都能显著提升决策效率。
建议在使用前先明确团队适用的评分模型（RICE偏重增长、WSJF偏重精益、Kano偏重用户满意度），并预设好各维度的权重阈值。同时，确保GitHub仓库的访问权限已配置正确，以便自动创建Issue时不会因权限问题中断。
核心特点
与同类评分工具相比，本Skill直接集成GitHub Issues，自动为高分项创建结构化任务，实现从评估到执行的无缝闭环，无需手动复制粘贴。
注意事项
评分权重需用户手动预设，无法自动从历史数据中学习；且必须依赖GitHub平台，无法用于其他项目管理工具。
常见问题
如何切换RICE/WSJF/Kano三种评分模型？
在指令中指定模型名称即可，例如'使用WSJF方法评分'，默认使用RICE。
评分结果会自动同步到GitHub Issue吗？
是的，AI会自动为Top 3（可自定义数量）候选创建Issue，并附带评分详情和推荐优先级标签。
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/feature-review-x-3/raw/index.md 读取 feature-review 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/feature-review-x-3/raw/index.md（查看排版版本）