agentleFS
Sign inStart free
peterwangzepeterwangze/software-project-governance/skills/stage-initiation/SKILL.md

stage-initiation

Skill2 starsChanged 5 months agoMITView on GitHub

立项与目标定义——定义问题、目标、范围、成功标准。阶段子工作流，可独立使用。

The file

Create a free account to mount
Files
SKILL.md

立项与目标定义 — 子工作流

本文件定义"立项与目标定义"阶段的独立子工作流。用户可单独加载本文件执行立项阶段，不强制加载全流程。

阶段目标

明确问题、目标、边界、成功标准和关键约束。立项阶段的核心产出是一份所有干系人对齐的"项目章程"——回答"做什么、为什么做、不做什么、怎么算成功"。

AI 编程场景特有风险

在 AI 辅助编程项目中，立项阶段存在以下特有风险：

风险说明缓解方向
跳过问题定义直接编码AI agent 倾向于接受模糊需求后立即开始写代码，跳过"这真的是问题吗"的质疑步骤强制完成问题陈述和目标定义后才允许进入后续阶段
范围自动膨胀AI 对"可以做"的回答总是"是"，缺少对"不该做"的判断能力，导致项目范围在迭代中自动扩大强制"不做什么"列表，且每条有"为什么不做"的理由
目标不可衡量AI 生成的目标偏向描述性（"做一个好的 X"），缺乏量化指标，导致后续无法判定"是否完成"成功标准必须包含可自动检查的量化条件
幻觉式干系人AI 可能编造不存在的干系人或遗漏关键角色干系人列表必须由用户确认，AI 不可独立生成
成功标准技术化而非用户价值化AI 可能将成功标准定义为纯技术指标（如"API 响应时间<100ms"），忽略用户视角的价值衡量（如"用户任务完成率>90%"），导致项目交付了性能达标但用户不满意的系统每个量化成功标准必须附带"这个指标对用户意味着什么"的解释；不接受无用户价值映射的纯技术指标
干系人确认被跳过AI 跳过干系人确认步骤，直接代干系人"决定"立场，将推测的干系人需求记录为已确认每个干系人条目必须标注确认状态（已确认/待确认/推测）；未确认的干系人角色不视为有效输入

独立使用时的目标锚定

当本子工作流被独立加载（非通过 main-workflow.md 总入口加载）时，MUST 在执行阶段活动前完成：

  1. 目标确认：读取 .governance/plan-tracker.md，确认项目立项时定义的量化成功标准
  2. 偏离检查：对照成功标准，确认项目章程方向与总目标一致。如发现偏离，MUST 先记录到 .governance/decision-log.md 再继续
  3. 质量底线：产出物必须满足量化可衡量标准，不接受纯定性描述（参考 profile 质量要求）

进入条件

  • 有一个待解决的问题或机会
  • 至少一个发起人愿意对项目结果负责

活动清单

1. 问题陈述

活动描述交互边界企业实践
描述当前痛点用 1~3 句话说明现状有什么问题需用户输入：痛点是什么[Amazon PR/FAQ] 从用户视角描述问题，而非技术视角
量化问题影响说明问题不解决的代价（时间、成本、质量）需用户输入：影响有多大[ByteDance 数据驱动] 必须有基线数据，不接受纯定性描述
确认问题真实存在验证问题不是假设，有事实支撑需用户确认[Google] 问题陈述必须有可验证的事实依据

2. 目标定义

活动描述交互边界企业实践
定义项目目标用一句话描述项目要达成的结果需用户输入：目标是什么[Amazon Working Backwards] 从用户价值出发定义目标，先写"新闻稿"再定义技术方案
量化成功标准为目标定义 2~5 个可衡量的指标 (Key Results)需用户输入：怎么算成功[Google OKR] 每个 KR 必须有数字；[ByteDance] KR 必须有基线数据和目标数据
确认目标可衡量检查每个指标是否可量化或可判定自动判定：检查指标是否包含数字、百分比或明确的二值判定[华为 IPD] 门控检查项必须可量化评分
目标向上对齐确认本项目目标与上级目标的对齐关系需用户确认：对齐到哪个上级目标[ByteDance OKR] 目标必须能向上追溯，全员可见

3. 范围边界

活动描述交互边界企业实践
列出范围内事项明确本项目要做什么需用户输入通用实践
列出范围外事项明确本项目不做什么，每条附"为什么不做"需用户输入[Amazon] 至少 1 条"看起来应该做但决定不做"的事项+理由
检查范围清晰度确认范围内外没有歧义自动判定：检查"不做什么"列表是否非空且每条有理由通用实践
决策可逆性标注对关键范围决策标注可逆/不可逆自动：识别不可逆决策（数据模型、核心 API）+ 需用户确认[Amazon Bias for Action] 可逆决策快速推进，不可逆决策深度论证

4. 干系人识别

活动描述交互边界企业实践
列出关键干系人识别对项目结果有影响或受影响的角色需用户输入通用实践
确认干系人角色每个干系人的职责和期望需用户确认[Amazon] 每个决策领域有 Single-Threaded Owner
指定独立评审人指定至少 1 位项目外部的独立评审人需用户输入[Amazon Bar Raiser] + [华为蓝军] 外部视角防止群体思维

5. 初始风险评估

活动描述交互边界企业实践
识别初始风险列出已知的阻塞和不确定性需用户输入 + 自动补充 AI 项目常见风险（范围漂移、幻觉依赖、过度工程）[华为蓝军] 对立面思考——最可能在哪里失败？
评估风险严重度对每个风险评估概率（高/中/低）和影响（高/中/低）自动：按标准矩阵判定严重级别[华为 IPD] 风险量化评分
AI 项目专项风险检查是否已覆盖 AI 编程项目特有风险自动：检查风险清单是否包含至少 1 条 AI 相关风险本项目定义

6. 项目章程编纂

活动描述交互边界企业实践
整合前序产出问题陈述+目标定义+范围边界+干系人识别+风险评估 → 合并为统一项目章程文档自动[Amazon 6-Pager] 结构化整合——各模块逻辑连贯，读起来是一份完整叙事
检查内部一致性目标与范围是否矛盾？风险是否覆盖了所有"不做什么"？干系人职责是否有空缺？自动判定：交叉检查各节关键字段非空且逻辑一致[华为 IPD] 门控前自我一致性审查——内部矛盾必须在章程发布前解决
干系人最终对齐章程草稿发送所有干系人审阅，收集修订意见后形成最终版并归档需用户确认：所有干系人已审阅[Amazon Working Backwards] PR/FAQ 必须在团队内达成共识后才算完成
版本管理与发布章程标注版本号、日期和变更记录，归档到决策日志供后续回溯自动[ByteDance Context not Control] 决策上下文可追溯——知道什么时候、谁、基于什么信息做出的决策

产出物标准

产出物格式要求质量标准企业实践来源
项目章程文档，包含目标、范围、干系人、成功标准。使用 pr-faq-template.md 定义用户价值，使用 okr-template.md 定义量化目标目标可衡量（≥1 个量化指标）、范围有"不做什么"（≥1 条+理由）、PR/FAQ 完成（Press Release + 外部FAQ≥3 + 内部FAQ≥3）、OKR 完成（O + KR×3~5 + 基线数据）[Amazon PR/FAQ] + [Google OKR] + [ByteDance OKR基线]
初始风险清单≥3 条风险，每条有严重度评估（概率×影响）每条风险有触发条件和缓解方向；至少 1 条 AI 项目特有风险[华为 IPD] 风险量化
干系人列表包含角色、职责、期望所有关键角色已覆盖；有独立评审人[Amazon Bar Raiser]

退出条件

  • 项目目标已定义且可衡量（≥1 个量化指标，含基线和目标值）
  • 范围边界已明确（"不做什么"列表 ≥1 条，每条有理由）
  • 关键干系人已识别且角色已确认（含独立评审人）
  • 初始风险已记录（≥3 条，含 ≥1 条 AI 项目特有风险）
  • 目标可向上追溯到上级目标或公司 OKR（或明确声明"独立目标"）

Gate 映射

本阶段对应 G1 — 立项完成。

Gate 检查项对应活动判定标准自动化判定
项目目标是否可衡量？目标定义成功标准 ≥1 个量化指标（含数字或百分比）可自动：正则匹配数字/%
范围边界是否清晰？范围边界"不做什么"列表非空，每条有理由可自动：检查列表长度和字段完整性
关键干系人是否已识别？干系人识别干系人列表非空，每条有角色和职责可自动：检查列表完整性
是否有独立评审人？干系人识别至少 1 人标注为"独立评审人"可自动：检查角色字段
目标是否可向上追溯？目标定义有对齐声明或独立的明确声明需人工判断：对齐合理性
AI 项目风险是否已覆盖？初始风险评估风险清单含 ≥1 条 AI 相关风险可自动：关键词匹配（AI/LLM/agent/幻觉/漂移）

企业实践溯源

本子工作流的设计参考了以下企业实践，每条实践已映射到具体活动步骤：

企业核心实践映射到本工作流
GoogleOKR 对齐 + Design Doc目标定义→OKR 格式量化成功标准
AmazonWorking Backwards (PR/FAQ)问题陈述→从用户视角描述；目标定义→先写"新闻稿"
AmazonBar Raiser 独立评审干系人识别→指定独立评审人
AmazonBias for Action (70% 决策)范围边界→决策可逆性标注
华为IPD 门控量化评分目标确认→量化指标可自动判定
华为蓝军机制初始风险评估→对立面思考
字节跳动OKR 公开透明+基线数据目标定义→KR 有基线+目标数据；目标向上对齐

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

Check your setup, free