Estimate Calibration

Калибровочная оценка работ

Оценки "на глаз" неконсистентны и не защитимы: одинаковые задачи получают разные часы, крупные пакеты оцениваются оптимистично, AI-ассистированная разработка добавляет путаницу "чьи часы считаем". Метод ниже дает числа, которые складываются между собой и опираются на называемые факты.

Шаг 1. Собрать реперные якоря

Взять уже сделанные (или уже оцененные и принятые) задачи с известной трудоемкостью. Якорь = задача + часы + короткий архетип ("микроправка UI - 1 ч", "фича с флоу - 6 ч", "подсистема - 20 ч"). Минимум 5-10 якорей разной крупности. Якоря - своя история проекта, не чужие бенчмарки.

Шаг 2. Свернуть якоря в рубрику архетипов

Сгруппировать якоря по типовым классам задач, каждому классу - полоса часов (не точка): "микроправка 1-2 ч", "средняя фича 3-10 ч", "подсистема 18-26 ч", "крупный пакет 36-50 ч". Гранулярность полос - по проекту. Рубрика = база, чистая механика "сделать", без доменных наценок.

Шаг 3. Выделить доменные модификаторы

Наценки, которые в этом домене систематически раздувают базу, - явным списком с множителями, а не "чуйкой". Примеры-паттерны:

• дублирование под несколько платформ (x1.7-2.0 на UI-часть);
• тестовое покрытие (+20-30% к бизнес-логике);
• интеграционная неопределенность внешнего API (буфер);
• сквозные работы типа безопасности - отдельной строкой пакетом, не размазывать по фичам.

Ловушка, которую модификаторы ловят: "сделать X" молча читается как "сделать X в одном месте", а реальный скоуп - в двух.

Шаг 4. Выбрать базу часов (позиционное решение)

Две шкалы: human-equiv (сколько заняло бы у компетентного специалиста/команды - "сколько стоило бы заказать") и агенто-факт (реальный труд с AI-ассистентом). Решение, какую показывать заказчику, - НЕ в этом скилле, это граница правила billing-ai-work. Скилл требует лишь: база выбрана явно, зафиксирована в рубрике, и все якоря - в одной шкале. Пересчет между шкалами - единым множителем или множителями по типу работы (примеры-ориентиры, не канон: код жмется AI в ~3x, тесты ~4x, полевая отладка/эксплуатация почти не жмется, ~1.3-1.4x); якоря при пересчете не переписываются.

Шаг 5. Оценка конкретной задачи

1. Отнести к архетипу -> взять полосу.
2. Наложить применимые модификаторы.
3. Округлить; зафиксировать в едином формате (например, префикс [~N ч] в названии задачи).
4. Sanity-check: сравнить с соседями по рубрике - не выбивается ли из шкалы. Выбивается - перепроверить скоуп, а не молча завысить.

Шаг 6. Калибровка по факту

Закрытая задача с известным фактом - новый якорь. Факт разошелся с оценкой системно (не разовым сюрпризом) - подвинуть полосу архетипа или множитель, единым правилом, не задним числом по одной задаче. Reverse-estimation целого продукта калибруется так же: известен факт хотя бы по одному компоненту - подогнать множитель и пересчитать остальное.

Анти-паттерны

• Оценка без якорей ("кажется, дня три") - неконсистентна и не защитима.
• Точка вместо полосы на ранней стадии - ложная точность.
• Модификатор "в уме" - систематически теряется; только явным списком.
• Смешение шкал (часть якорей в human-equiv, часть - в агенто-факт) - рубрика перестает складываться.
• Фиктивные строки в оценке (работы, которых не будет / не было) - см. правило billing-ai-work.

См. также: rules/estimates-in-hours.md (единица измерения - часы), rules/billing-ai-work.md (что из полученного числа и как показывать заказчику).

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: dewil
• Source: dewil/claude-toolkit
• License: MIT

Install and usage instructions live in the source repository linked above.