Sprint Planning logo

Sprint Planning

CommunityPopular
mohitagw15856
sprint-planning

Estructura y facilita sesiones de planificación de sprint. Úsalo cuando se te pida planificar un sprint, organizar elementos del backlog, asignar story points, crear objetivos de sprint o preparar agendas de planificación de sprint. Produce un objetivo de sprint, un backlog calibrado por velocidad, un plan de capacidad, señales de riesgo y una agenda estructurada de reunión de planificación de sprint.

Overview

Publishermohitagw15856
Repositorypm-claude-skills
Skill namesprint-planning
Stars
1.4K
Forks
257
Bundled files
Instructions only
LicenseMIT
Links
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • Self-contained

    Everything the model needs lives in the instructions — no extra files to sync.

  • Open source

    Published by mohitagw15856 on GitHub. Read the source before you install it.

Installation

Install the Sprint Planning AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
    https://github.com/mohitagw15856/pm-claude-skills/tree/main/i18n/es/skills/sprint-planning
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/mohitagw15856/pm-claude-skills.git /tmp/pm-claude-skills
mkdir -p .claude/skills
cp -r /tmp/pm-claude-skills/i18n/es/skills/sprint-planning .claude/skills/sprint-planning
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Sprint Planning in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Sprint Planning on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Sprint Planning is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

Skill de Planificación de Sprint

Transforma elementos crudos del backlog en un sprint estructurado y alcanzable con objetivos claros, alcance calibrado por velocidad y resultados listos para el equipo.

Lee de / Escribe en el Brain

Si existe un professional-brain (brain/), fundamenta en él en lugar de volver a preguntar lo que ya sabes:

  • Lee primero: decisions/ prioritarias (lo que el equipo acordó que importa), entities/ de features e hypotheses/ abiertas que el sprint podría probar. Ejecuta python3 ../professional-brain/scripts/brain_query.py ./brain "<sprint goal>" y lleva la etiqueta de procedencia de cada hecho a través del proceso.
  • 📥 Propón al Brain: después de producir, propón registrar el compromiso del sprint (objetivo + alcance comprometido) como un registro decisions/, etiquetado con procedencia. Muéstralo, obtén un sí, luego escribe con ../professional-brain/scripts/brain_write.py … --commit (solo anexar, seco por defecto).

Propone Acciones

Una vez que el sprint sea acordado, entrégalo a action-runner: vista previa (seco, evaluado por riesgo), ejecuta solo lo que apruebes a través del MCP de acción conectado, y registra lo que se hizo de vuelta al brain. Típico: crear un ticket por elemento de backlog comprometido y establecer el hito del sprint (🟡). Esta skill propone; action-runner vigila y ejecuta — nunca silenciosamente.

Lo Que Esta Skill Produce

  • Objetivo de Sprint — oración única, enfocada en resultados, que todo el equipo pueda impulsar
  • Backlog del Sprint — lista priorizada de historias de usuario con estimaciones de story points y criterios de aceptación
  • Plan de Capacidad — desglose de disponibilidad del equipo considerando vacaciones, reuniones y tiempo de enfoque
  • Agenda de Planificación de Sprint — agenda de reunión estructurada de 2 horas con tiempos
  • Señales de Riesgo — bloqueadores o dependencias que podrían descarrilar el sprint

Entradas Requeridas

Pregunta por (si no se proporciona ya):

  • Duración del sprint (1 o 2 semanas)
  • Tamaño del equipo y velocidad (promedio de story points por sprint)
  • Top 3–5 elementos del backlog o épicas de los que tirar
  • Cualquier ausencia conocida, vacaciones o eventos del equipo
  • Elementos incompletos del sprint anterior (carryovers)

Fórmula de Objetivo de Sprint

Usa esta estructura:

"En este sprint entregaremos [resultado X] para que [beneficio de usuario/negocio], medido por [indicador de éxito]."

Nunca escribas objetivos de sprint como listas de tareas. Siempre primero los resultados.

Calibración de Story Points

ComplejidadPointsDescripción
Trivial1Claramente entendido, sin incógnitas
Pequeño2Sencillo, esfuerzo menor
Medio3Cierta complejidad, camino claro
Grande5Complejo, necesita diseño o investigación
Muy Grande8Alta incertidumbre, puede necesitar dividirse
Épica13+Demasiado grande — debe dividirse antes del sprint

Marca cualquier elemento estimado en 8+ y recomienda dividirlo.

Fórmula de Capacidad

Capacidad disponible = (Tamaño del equipo × Días del sprint × Horas de enfoque/día) × Factor de disponibilidad
Horas de enfoque/día: 6 (considerando reuniones, Slack, admin)
Factor de disponibilidad: 0.7–0.85 dependiendo de vacaciones/eventos
Story points a comprometer = Velocidad histórica × Factor de disponibilidad

Helper Programático

Esta skill incluye un script Python solo con stdlib que calcula capacidad en lugar de estimarla a mano. Úsalo siempre que se conozcan los números del equipo — aplica las reglas de disponibilidad y ratio de compromiso del 80% de forma consistente.

bash
# Estimación rápida desde banderas
python3 scripts/capacity_calculator.py --team 5 --days 10 --velocity 30 --availability 0.8 --carryover 5

# Estimación detallada desde disponibilidad por miembro (JSON vía stdin o archivo --input)
echo '{"sprint_days":10,"historical_velocity":40,"carryover_points":8,
       "members":[{"name":"Ada","available_days":10},{"name":"Linus","available_days":7}]}' \
  | python3 scripts/capacity_calculator.py --input -

El script retorna horas de enfoque disponibles, una figura de velocidad ajustada por disponibilidad real, el compromiso recomendado (limitado al 80% de velocidad), y la capacidad restante para trabajo nuevo después de carryovers. Ejecútalo primero, luego construye el backlog del sprint para encajar el número recomendado. Añade --json para canalizar el resultado en otras herramientas.

Formato de Salida

Sprint [N] — [Fecha de inicio] a [Fecha de fin]

Objetivo del Sprint:

[Declaración de objetivo]

Capacidad del Equipo: [X] story points disponibles (basado en [Y] miembros del equipo, [Z]% disponibilidad)

Backlog del Sprint:

PrioridadHistoriaPointsOwnerCriterios de Aceptación
1[Título de historia][N][Miembro del equipo][Cuando X entonces Y]

Carryovers del Sprint Anterior:

  • [Elemento] — Razón del carryover: [breve explicación]

Riesgos y Dependencias:

  • [Descripción de riesgo] → Mitigación: [acción]

Agenda de Planificación de Sprint:

  • 00:00–00:10 — Revisar objetivo del sprint y capacidad del equipo
  • 00:10–00:40 — Recorrer elementos del backlog, confirmar estimaciones
  • 00:40–01:20 — Asignar historias, identificar dependencias
  • 01:20–01:50 — Revisar criterios de aceptación por historia
  • 01:50–02:00 — Confirmar compromiso del sprint y cerrar

Pautas

  • Siempre cuestiona historias sin criterios de aceptación — márcalas explícitamente
  • Recomienda que el equipo se comprometa al 80% de capacidad disponible, no 100%
  • Si no se proporcionan datos de velocidad, asume 20–30 points para un equipo de 5 personas como punto de partida
  • Destaca cualquier historia con propiedad poco clara como bloqueador

Controles de Calidad

  • El objetivo del sprint es enfocado en resultados (no "implementar X" — algo como "los usuarios pueden hacer Y")
  • La capacidad del equipo se calcula usando disponibilidad real, no teórica 100%
  • Cada historia tiene un criterio de aceptación (marca cualquier que no lo tenga)
  • Las historias estimadas en 8+ points se marcan para dividirse
  • Los carryovers del sprint anterior se consideran en la capacidad

Anti-Patrones

  • No escribas objetivos de sprint como listas de tareas — los objetivos deben ser enfocados en resultados y evaluables como aprobado/reprobado al final del sprint
  • No te comprometas al 100% de capacidad disponible — siempre recomienda 80% para preservar margen para trabajo no planificado
  • No lleves historias sin criterios de aceptación al sprint — márcalas como bloqueadores antes de comprometerte
  • No permitas historias estimadas en 8+ points en el sprint sin dividirlas primero
  • No ignores elementos carryover cuando calcules capacidad — consumen capacidad y deben considerarse antes de traer trabajo nuevo

Ejecución

Para agentes que usan herramientas o acceso a computadora que pueden alcanzar el tracker del equipo (Jira, Linear, GitHub Projects). Los runtimes sin acceso a herramientas ignoran esta sección y entregan el documento. Ver SKILLSPEC.md §5 para las reglas que sigue este bloque.

Precondiciones

  • El plan del sprint anterior ha sido producido y explícitamente aprobado por un humano — nunca construyas un sprint desde un borrador sin revisar.
  • El acceso al tracker ya está autenticado en el entorno del agente; la placa/proyecto objetivo se nombra por el usuario.
  • Un listado en seco de cambios previstos ha sido mostrado y confirmado.

Acciones permitidas

  • Crear el contenedor de sprint/iteración con el nombre y fechas aprobados.
  • Mover los elementos del backlog ya existentes y aprobados al sprint — solo los elementos listados en el plan aprobado.
  • Establecer estimaciones de story points en esos elementos a los valores aprobados.
  • Publicar el objetivo del sprint como descripción del sprint o comentario fijado.
  • Nada más: sin crear nuevos issues, sin eliminar o cerrar nada, sin editar descripciones de elementos, sin tocar otros sprints.

Verificación

  • Re-lee el sprint desde el tracker: el conteo de elementos y puntos totales igual el plan aprobado; cada elemento movido está en el sprint; las fechas del sprint coinciden.
  • Publica el resumen de verificación (elementos, points, fechas) de vuelta al usuario.

Rollback

  • Deshacer = mover los elementos de vuelta al backlog y eliminar el contenedor de sprint vacío.
  • Para y pregunta a un humano si: cualquier elemento en el plan ya no existe o cambió desde la aprobación, el tracker rechaza una acción, o la placa contiene un sprint activo con fechas superpuestas.

Frequently asked questions

What does the Sprint Planning AI skill do?

Estructura y facilita sesiones de planificación de sprint. Úsalo cuando se te pida planificar un sprint, organizar elementos del backlog, asignar story points, crear objetivos de sprint o preparar agendas de planificación de sprint. Produce un objetivo de sprint, un backlog calibrado por velocidad, un plan de capacidad, señales de riesgo y una agenda estructurada de reunión de planificación de sprint.

Why use Sprint Planning on TypingMind?

Because you install it once and use it with any model. Sprint Planning is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Sprint Planning in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/mohitagw15856/pm-claude-skills/tree/main/i18n/es/skills/sprint-planning. TypingMind reads its SKILL.md and installs it as a skill you can enable per chat.

Which AI models can use Sprint Planning?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Sprint Planning?

As many as you like. As long as a model supports skills, you can use Sprint Planning with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Sprint Planning AI skill free?

Yes. It is published on GitHub by mohitagw15856 under the MIT license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

View all

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇