·estimation-fermi
{}

estimation-fermi

Da utilizzare quando si effettuano stime rapide dell'ordine di grandezza in condizioni di incertezza (dimensionamento del mercato, pianificazione delle risorse, controlli di fattibilità), scomposizione di quantità complesse in parti stimabili, delimitazione di incognite con limiti superiore/inferiore, controllo di integrità delle ipotesi strategiche o quando l'utente menziona la stima di Fermi, il calcolo back-of-envelope, l'ordine di grandezza, la stima approssimativa, la triangolazione o la necessità di valutare la fattibilità prima di un'analisi dettagliata.

15Installazioni·0Tendenza·@lyndonkl

Installazione

$npx skills add https://github.com/lyndonkl/claude --skill estimation-fermi

Come installare estimation-fermi

Installa rapidamente la skill AI estimation-fermi nel tuo ambiente di sviluppo tramite riga di comando

  1. Apri il terminale: Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.)
  2. Esegui il comando di installazione: Copia ed esegui questo comando: npx skills add https://github.com/lyndonkl/claude --skill estimation-fermi
  3. Verifica l'installazione: Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw

Fonte: lyndonkl/claude.

Fermi estimation provides rapid order-of-magnitude answers to seemingly impossible questions by decomposing them into smaller, estimable parts. This skill guides you through decomposition strategies, bounding techniques, sanity checks, and triangulation to make defensible estimates when data is scarce, time is limited, or precision is unnecessary for the decision at hand.

Trigger phrases: "ballpark estimate", "order of magnitude", "back-of-envelope", "roughly how many", "feasibility check", "gut check", "triangulate", "sanity check"

Fermi estimation (named after physicist Enrico Fermi) breaks down complex unknowns into simpler components that can be estimated using common knowledge, constraints, and reasoning. The goal is not precision but being "right to within a factor of 10" quickly.

Da utilizzare quando si effettuano stime rapide dell'ordine di grandezza in condizioni di incertezza (dimensionamento del mercato, pianificazione delle risorse, controlli di fattibilità), scomposizione di quantità complesse in parti stimabili, delimitazione di incognite con limiti superiore/inferiore, controllo di integrità delle ipotesi strategiche o quando l'utente menziona la stima di Fermi, il calcolo back-of-envelope, l'ordine di grandezza, la stima approssimativa, la triangolazione o la necessità di valutare la fattibilità prima di un'analisi dettagliata. Fonte: lyndonkl/claude.

Fatti (pronti per citazione)

Campi e comandi stabili per citazioni AI/ricerca.

Comando di installazione
npx skills add https://github.com/lyndonkl/claude --skill estimation-fermi
Categoria
{}Analisi
Verificato
Prima apparizione
2026-02-01
Aggiornato
2026-03-11

Browse more skills from lyndonkl/claude

Risposte rapide

Che cos'è estimation-fermi?

Da utilizzare quando si effettuano stime rapide dell'ordine di grandezza in condizioni di incertezza (dimensionamento del mercato, pianificazione delle risorse, controlli di fattibilità), scomposizione di quantità complesse in parti stimabili, delimitazione di incognite con limiti superiore/inferiore, controllo di integrità delle ipotesi strategiche o quando l'utente menziona la stima di Fermi, il calcolo back-of-envelope, l'ordine di grandezza, la stima approssimativa, la triangolazione o la necessità di valutare la fattibilità prima di un'analisi dettagliata. Fonte: lyndonkl/claude.

Come installo estimation-fermi?

Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/lyndonkl/claude --skill estimation-fermi Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw

Dov'è il repository sorgente?

https://github.com/lyndonkl/claude