什麼是 bf-metrics？
分析 sprint-status.yaml 指標資料以提出模型分配最佳化和難度重新標記。這是只讀技能；它透過對話輸出結果，而不改變任何文件。 來源：khaki4/my_skills。
·bf-metrics
</>
bf-metrics
✓分析 sprint-status.yaml 指標資料以提出模型分配最佳化和難度重新標記。這是只讀技能；它透過對話輸出結果，而不改變任何文件。
如何安裝 bf-metrics
透過命令列快速安裝 bf-metrics AI 技能到你的開發環境
- 開啟終端機: 開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等）
- 執行安裝指令: 複製並執行以下指令：npx skills add https://github.com/khaki4/my_skills --skill bf-metrics
- 驗證安裝: 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code、Cursor 或 OpenClaw 中使用
來源：khaki4/my_skills。
SKILL.md
查看原文스프린트 메트릭을 집계·분석하여 모델 배당 최적화와 난이도 재태깅을 제안한다. 자동 적용하지 않으며, 사람이 판단한다.
| storycount | 해당 페어의 Story 수 | | avgralphretries | 평균 재시도 횟수 | | avgralphapproaches | 평균 접근 전환 횟수 | | stuckrate | ralphstuck: true 비율 (%) | | avgreviewblockers | 평균 🔴 Blocker 건수 | | avgreviewrecommended | 평균 🟡 Recommended 건수 | | regressionrate | isregression: true 비율 (%) |
| 높은 블로커 | avgreviewblockers >= 2.0 | 더 강한 모델 배당 제안 (예: sonnet → opus-lead) | | 높은 재시도 | avgralphretries >= 3.0 | 구현 모델 업그레이드 제안 | | 높은 stuck | stuckrate >= 20% | Agent Teams 전략 전환 제안 (예: ralph-loop → opus-lead) | | 높은 회귀 | regressionrate >= 25% | 리뷰 모델 강화 제안 |
可引用資訊
為搜尋與 AI 引用準備的穩定欄位與指令。
- 安裝指令
npx skills add https://github.com/khaki4/my_skills --skill bf-metrics- 分類
- </>開發工具
- 認證
- ✓
- 收錄時間
- 2026-02-25
- 更新時間
- 2026-03-10
快速解答
如何安裝 bf-metrics？
開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/khaki4/my_skills --skill bf-metrics 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code、Cursor 或 OpenClaw 中使用
這個 Skill 的原始碼在哪？
https://github.com/khaki4/my_skills
詳情
- 分類
- </>開發工具
- 來源
- skills.sh
- 收錄時間
- 2026-02-25