← LeaderboardThe Skill Leaderboard

rice-prioritisation

用 RICE 框架给产品计划项打分并排序。当被要求排功能优先级、用 RICE 给待办列表排序、为季度规划给计划项打分，或用客观框架处理一组相互竞争的想法时使用。产出带分数的 RICE 排序表、速赢项和登月项标注、依赖说明，以及建议的推进顺序。

Published by mohitagw15856 ↗mohitagw15856/pm-claude-skills

Try your first task

rice-prioritisation

Start a fresh conversation. Replace the highlighted placeholders.

Use rice-prioritisation to score and rank [initiatives with reach, impact, confidence, and effort], highlighting quick wins, moonshots, dependencies, and recommended sequence.

Required inputs

  • [initiatives with reach, impact, confidence, and effort]

User-approved starter prompt based on a pinned source version; check current skill requirements before running. Task evidence ↗

SKILL.md

name: rice-prioritisationlanguage: zhdescription: "用 RICE 框架给产品计划项打分并排序。当被要求排功能优先级、用 RICE 给待办列表排序、为季度规划给计划项打分，或用客观框架处理一组相互竞争的想法时使用。产出带分数的 RICE 排序表、速赢项和登月项标注、依赖说明，以及建议的推进顺序。"

rice-prioritisation 的简体中文翻译，英文版本为规范版本。

RICE 优先级排序

对一组功能或计划项采用一致、基于标准的 RICE 打分，得出客观的优先级排序。

从大脑读取 / 写入大脑

如果存在 professional-brain（brain/），以它为依据，而不是重新询问你已经知道的：

  • 先读： knowledge/strategy.md（让排序服务于方向）、作为 entities/ 的各项，以及关于影响的 hypotheses/。运行 python3 ../professional-brain/scripts/brain_query.py ./brain "<initiative theme>"，并保留每条事实的来源标注：影响估计通常是 [hunch]，不是 [data]。
  • 📥 向大脑提议： 产出后，提议把排序决策记入 decisions/，把覆盖面和影响的估计记为按证据强度标注的 hypotheses/。先展示，得到同意后用 ../professional-brain/scripts/brain_write.py … --commit 写入（只追加，默认试运行）。

所需输入

如未提供，请向用户询问：

  • 要打分的计划项或功能清单（名称和简短描述）
  • 覆盖面估计（每季度受影响的用户数，最好来自数据分析）
  • 影响估计（使用下面的标准刻度）
  • 工作量估计（人月，最好来自工程团队）
  • 季度或规划周期

RICE 定义（按你的情况调整）

  • 覆盖面（Reach）： 每季度受影响的用户数（尽量使用真实的日活或月活数据）
  • 影响（Impact）： 对主要指标的作用，刻度：3 = 巨大，2 = 高，1 = 中，0.5 = 低，0.25 = 极小
  • 信心（Confidence）： 我们对覆盖面和影响的估计有多确定？100% = 高，80% = 中，50% = 低
  • 工作量（Effort）： 所有职能合计需要的人月

RICE 公式

RICE 分数 = （覆盖面 × 影响 × 信心）/ 工作量

程序辅助

这个技能附带一个只用标准库的 Python 脚本，用来计算和排序 RICE 分数，让算术保持一致，速赢和登月的标注按规则而不是凭感觉。收集齐 R、I、C、E 之后把计划项交给它。

# 从 JSON 文件（信心可以写 0.8 或 80）
python3 scripts/rice_calculator.py initiatives.json

# 或者从 CSV，表头：name,reach,impact,confidence,effort
python3 scripts/rice_calculator.py initiatives.csv --format csv

# 或者通过管道输入
echo '[{"name":"Onboarding","reach":5000,"impact":2,"confidence":0.8,"effort":3}]' \
  | python3 scripts/rice_calculator.py -

它输出带计算分数的排序表，并自动标注速赢（分数高、相对工作量低）、登月（影响高、工作量高）和低信心（不超过 50%）的项目。把计算出的排序作为起点，然后执行下面的验证步骤：绝不在没有检查背后估计的情况下接受一个出人意料的第一名。

延伸材料

  • references/estimate-calibration.md：如何为四个估计找锚点（覆盖面来源、附"留给什么情况"示例的影响刻度、基于证据的信心、跨职能的工作量），以及对完成的排序要做的交叉检查。质疑用户输入时使用。
  • templates/scoring-worksheet.md：可填写的工作表，证据列强制每个分数写出来源。团队想一起打分而不是生成排序时提供。

它在流程中的位置：主线上的打分

产品决策主线的第三步：/assumption-mapper → /prd-template → rice-prioritisation → /roadmap-narrative。它从每个计划项的 PRD 接收成功指标：RICE 的 Impact 是对那个有基线的数字的预计变化，而不是重新猜一个；它把带分数的排序计划项交给 /roadmap-narrative 按主题分组。四个 RICE 术语统一定义在 docs/craft/product-decisions.md；那里的信心是诚实阀门，这个技能成败全看是否用好它。

循环

当估计是为了得到想要的排序而编出来时，RICE 就失效了。这个循环的任务是让每个分数保持诚实；第二阶段就是做这件事的地方。

  1. 为每个计划项收集四个估计。 覆盖面（每个周期的真实人数）、影响（对 PRD 成功指标的幅度）、信心（0 到 1）、工作量（人月）。上游 PRD 有指标时，从中取影响。 完成标准： 每个计划项四项齐全，并且每项都标注了来源。
  2. 审问信心：防止操纵的阶段。 每个估计的信心必须反映证据，而不是热情：没有数据的大胆影响只能拿低信心，分数会自我修正。质疑薄弱的输入，并说出什么数据能提高它们（具体方法见 estimate-calibration）。 完成标准： 没有哪个 [hunch] 估计挂着高信心，每个估计的负责人都愿意当面为每个数字辩护。
  3. 打分、排序，并压力测试排名第一的项目。 计算 RICE、排序，标注速赢（分数高、工作量低）和登月（影响高、工作量高），记录依赖。然后交叉检查：如果第一名让团队意外，很可能某个估计被夸大了。RICE 是工具，不是裁决。 完成标准： 排序已计算，第一名经受住了一次诚实的追问："这感觉对吗？如果不对，哪个估计在撒谎？"
  4. 交接。 把排序表（带分数和依赖）交给 /roadmap-narrative，让它按主题分组，而不是重新推导优先级。 完成标准： /roadmap-narrative 无需重新打分就能给这些项目分主题。

输出结构

RICE 优先级：[待办列表 / 季度]

计划项覆盖面影响信心工作量RICE 分数备注
[名称][n][分][%][人月][分][标注]

建议顺序

[前 5 个计划项及理由]

速赢项（分数高、工作量低）

[可以和大项目同时推进的事项]

需要补的数据

[哪些信息最能提高打分准确性]

评分量表（0 到 40）

交付前给这个技能的任何产出打分；32 分以上才算可以交付。

维度0510
估计可信度整数猜测配 100% 信心；工作量只由产品经理估计覆盖面基于数据分析，但无论证据如何，各项信心都一样每个估计写明来源；没有数据的一律 50% 信心；工作量来自工程团队，文档中说明了这一点
影响区分度全都打 2 到 3 分：刻度没有产生任何信号在刻度上有一定分布，但没有定义锚点，分数之间不可比用满整个刻度，每一级都有说明的锚点；"巨大"只留给真正少见的项目
排序审问直接接受原始排序结果作为裁决标注了速赢和登月，但出人意料的排名和依赖没有检查调查了出人意料的第一名，找出被夸大的估计或为其辩护；在依赖会改变顺序的地方做了记录
可执行的顺序只有打了分的表，没有建议有表和前 5 名，但没有理由，也没有数据缺口的后续建议顺序附每项理由，速赢项与大项目并行安排，并写明能让下一轮更准的数据缺口

质量检查

  • 每个计划项四个 RICE 要素都有估计（哪怕粗略）
  • 没有数据支撑的一律 50% 信心（而不是默认 100%）
  • 明确指出速赢项和登月项
  • 记录了影响顺序的依赖
  • 出人意料的排名在接受之前经过调查

反模式

  • 不要对缺少数据支撑的估计默认 100% 信心：这会抬高分数、误导规划
  • 不要把 RICE 分数当作最终决定：让团队意外的排名必须先调查再接受
  • 不要省略工程团队的工作量估计：只由产品经理估计的工作量常常过于乐观，会扭曲结果
  • 不要忘记记录那些即使 RICE 分数相反也会改变顺序的依赖
  • 不要给每个计划项打相同的影响分：如果一切都是"高影响"，框架就产生不了有用的信号

示例触发语

  • “给这些功能排优先级。”
  • “用 RICE 给需求池排序。”
  • “给季度规划的项目打分。”
  • “用客观框架比较这些想法。”