生成具有明确未知数、置信区间和假设文档的校准三点估计（最佳/可能/最差情况）。将工作分解为原子单元，识别技术和范围不确定性，计算 PERT 范围，并提供置信理由。触发：“估计这个”、“这需要多长时间”、“工作量估计”、“时间估计”、“最好情况最坏情况”、“置信区间”、“尺寸”、“估计工作量”、“这个有多大”、“故事点”、“T 恤尺寸”、“估计工作量”、“PERT”。不适用于任务分解、实施计划或依赖关系映射 - 请改用任务分解器。当任务或项目需要具有明确不确定性的工作量估计时，请使用此技能。
通过命令行快速安装 estimate-calibrator AI 技能到你的开发环境
来源：mathews-tom/praxis-skills。
Replaces single-point guesses with structured three-point estimates: decomposes work into atomic units, estimates best/likely/worst case for each, identifies unknowns and assumptions, calculates aggregate ranges using PERT, and assigns confidence levels with explicit rationale.
| references/estimation-methods.md | PERT formula, three-point estimation, Monte Carlo basics | Always | | references/unknown-categories.md | Technical, scope, external, and organizational uncertainty types | Unknown identification | | references/calibration-tips.md | Cognitive biases in estimation, historical calibration, buffer strategies | Always |
| references/sizing-heuristics.md | Common task size patterns, complexity indicators, reference class data | Quick sizing needed |
生成具有明确未知数、置信区间和假设文档的校准三点估计（最佳/可能/最差情况）。将工作分解为原子单元，识别技术和范围不确定性，计算 PERT 范围，并提供置信理由。触发：“估计这个”、“这需要多长时间”、“工作量估计”、“时间估计”、“最好情况最坏情况”、“置信区间”、“尺寸”、“估计工作量”、“这个有多大”、“故事点”、“T 恤尺寸”、“估计工作量”、“PERT”。不适用于任务分解、实施计划或依赖关系映射 - 请改用任务分解器。当任务或项目需要具有明确不确定性的工作量估计时，请使用此技能。 来源：mathews-tom/praxis-skills。
为搜索与 AI 引用准备的稳定字段与命令。
npx skills add https://github.com/mathews-tom/praxis-skills --skill estimate-calibrator生成具有明确未知数、置信区间和假设文档的校准三点估计（最佳/可能/最差情况）。将工作分解为原子单元，识别技术和范围不确定性，计算 PERT 范围，并提供置信理由。触发：“估计这个”、“这需要多长时间”、“工作量估计”、“时间估计”、“最好情况最坏情况”、“置信区间”、“尺寸”、“估计工作量”、“这个有多大”、“故事点”、“T 恤尺寸”、“估计工作量”、“PERT”。不适用于任务分解、实施计划或依赖关系映射 - 请改用任务分解器。当任务或项目需要具有明确不确定性的工作量估计时，请使用此技能。 来源：mathews-tom/praxis-skills。
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/mathews-tom/praxis-skills --skill estimate-calibrator 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code、Cursor 或 OpenClaw 中使用
https://github.com/mathews-tom/praxis-skills