Install
$ agentstack add skill-nemori-ai-cc-master-slicing-goals-into-dags ✓ scanned · ✓ verified, works with Claude Code, Cursor, and more.
Security review
✓ PassedNo issues found. Passed automated security review. · v0.1.0 How review works →
- ✓ Prompt-injection patterns
- ✓ Secret / credential exfiltration
- ✓ Dangerous shell & filesystem operations
- ✓ Untrusted network calls
- ✓ Known-malicious package signatures
What it can access
- ✓ Network access No
- ✓ Filesystem access No
- ✓ Shell / process execution No
- ✓ Environment & secrets No
- ✓ Dynamic code execution No
From automated source analysis of v0.1.0. “Used” means the capability is present in the source — more access means more to trust, not that it’s unsafe.
Verified badge
Passed review? Show it. Paste this badge into your README, it links to the public security report.
Reliability & compatibility
Declared compatibility
Compatibility is declared by the source manifest. End-to-end runtime verification is coming, see below.
We're building live execution health for every listing: tool-call success rate, median latency, uptime, and last-checked timestamps, measured, not self-reported. It isn't live yet, so we don't show numbers we can't stand behind.
How agent discovery & health will work →About
slicing-goals-into-dags —— 把目标切成一张好 board DAG
> 把一个目标 / epic 切成 board 任务依赖图时,用这套敏捷方法论与品味回答"怎么拆出一张好图";不覆盖"一张已成形的图怎么排期"(那是 master-orchestrator-guide 的 decomposition 一段)。 > > 职责边界: 切(carve)归本 skill;排(schedule:CPM / 临界路径 / 并行度计算)归 master-orchestrator-guide 的 board 协议 reference;派(dispatch)归 master-orchestrator-guide;执行单个 task 到验收归 dev-as-ml-loop;写进 board 归 using-ccm。本 skill 只管"怎么把目标切成图"这一刀。
为什么这一刀最值钱
你怎么切,定死了后面一切的天花板。 并行度、多快能 ship、多快拿到反馈——全在切的那一刻就定了,排期再优、派发再快也救不回一张切坏的图。一张横切的图,哪怕关键路径算得再准,也照样把价值堆到最后、把本可并行的活人为串成一条线。所以:切,是高杠杆决策;别急着排和派,先把它切对。
心智锚 1:纵切,不要横切 ★硬规则
把目标切成薄的、端到端的纵向增量——每一片自己穿过所有需要的层、交付一个用户(或下一个消费者)真能触碰的能力;不要按技术层横切(全做数据模型 → 全做 API → 全做 UI)。
- 纵切:
添加支出(端到端:够用的 schema 片 + 一个 endpoint + 最小表单)/看列表(端到端)/月度图(端到端)——每片是一根穿层的细线。 - 横切:
T:数据模型层→T:后端层→T:前端层→T:测试层——每个节点是一整层。
> 落地:每个纵切片 = 一个带 --accept(自己的 DoD)的 ccm task,片之间的真实数据依赖用 --deps 连。横切那种"一整层"节点往往给不出自己的 DoD——难端点验收,这本身就是切错的信号。命令语法见 using-ccm。
横切为什么是默认、又为什么是错的:它感觉像工程严谨(地基先打牢),实则把地基做成 serial 瓶颈(并行度=1 直到它完成)、把任何可用价值推到最末、且那个"打牢的地基"是投机的(你还没切片,根本不知道下游真正需要什么)。
Rationalization Table —— 横切最常见的自我说服
| 你会对自己说 | 现实 | |---|---| | "schema / 地基要一次定干净,不然下游 API 要返工。" | 这正是横切的合理化。它把地基做成并行度=1 的 serial 瓶颈、把可 ship 推到最后,而"一次定全"是投机——你还没跑通一片纵切,不知道真需要哪些字段。返工风险用薄切 + 早集成对冲,不用"大设计先行"。 | | "按功能纵切,多个片会争抢同一个 schema,并发冲突 / 重复劳动。" | 真正共享的只有 schema 的最小核心(walking skeleton 的脊椎)。把那一薄片作为唯一前置(锚 3),其余纵切;不是把整个 schema/API 层都前置。共享的是脊椎,不是整层。 | | "先把骨架搭全了再往里填,效率高。" | "搭全骨架"= 横切伪装成"一次性基建"。骨架要的是最薄的一条端到端线(walking skeleton),不是一整层。薄线先跑通,后续纵切各自延展骨架。 |
> 违背字面就是违背精神。 "我这次是真有强共享依赖,所以得先打地基"——几乎每次横切都这么辩。先问:共享的是 schema 的不可再薄的核心,还是你想顺手定全?只有前者配前置,且前置的是那一薄片,不是整层。
心智锚 2:walking skeleton —— 地基切到最小可用子集,而非一次定全
第一片不是"地基层",是一根最薄的端到端线(walking skeleton):穿过所有层、但每层都只做让这一根线跑起来的最小量。它一举两得——早早打通集成(最贵的风险:各层接不上,提前暴露)+ 立起共享脊椎(后续纵切都挂在它上面)。
- 共享 schema:第一片只定这根线用到的最小字段;后续每片按自己所需给 schema 加列——schema 随纵切增量生长,不在 T2 一次定全。
- 前置依赖只放不可再薄的共享核心(脊椎),让尽可能多的纵切片在脊椎就绪后立刻并行铺开。前置得越多,并行度被掐得越死。
心智锚 3:粒度,为并行与可验收而定
每个节点的大小,由两个问题校准,不由"感觉差不多"定:
- 它能和兄弟节点并行吗? 太粗 → 一个巨型节点把本可并行的活吞成一条 serial 线(并行度坍成 1);切到"无真实数据依赖的片彼此独立"为止——但别为切而切。
- 它有一句清爽的验收(DoD)吗? 一个节点若说不清"做到什么算完",它就太大 / 太糊,端点没法验收。一个节点 = 一个可独立验收的纵切片。
太细也是病:微任务多到协调开销 > 干活本身。estimate 给手感反馈——某片估时畸大 → 考虑再切;碎到 trivial → 并回去。cadence target 是一把硬尺的软提醒:如果一片的 estimate 超过本轮 ship_every,默认先再切,除非你能写清楚为什么这片不可再拆且仍值得独占一个 timebox。
> 落地:粒度的两把尺都是 board 字段——--accept(给不出一句清爽验收 = 太大 / 太糊)+ --estimate(3h / 2d,畸大就再切)。这两个字段也正是 dev-as-ml-loop 接手该片时的目标函数与步长参考。命令见 using-ccm。
心智锚 4:按 价值 × 风险 排序
切完是一组片,先做哪片有讲究:
- 价值优先(节奏):把用户最早能用上的那片排前面——让"第一个可用增量"尽快落地,而不是攒到最后大爆发。
- 风险优先(去风险):把最不确定 / 最可能翻车的集成,用一根 spike / walking skeleton 早早穿过去——把"做不出来"的发现提前到便宜的时候。
- 二者常合一:最薄的那根线,往往既穿过最险的路径、又交付一小条可用价值——这就是 walking skeleton 该选的方向。
> 落地:硬先后(脊椎必须先于依赖它的片)用 --deps 编码进 board;但同为 ready 时先派哪片(价值还是风险优先)是 dispatch 决策、归 A(master-orchestrator-guide),不是 board 上的某个字段。本 skill 负责切出"谁依赖谁"的结构,A 负责在就绪集里挑先后。
落到 board
- 一片纵切 → 一个 task;若这片自身还需内部并行,做成一个 owner 父节点 + 若干 leaf 子节点(嵌套 depth=1)。
- 共享脊椎 → 那一个 foundation task,纵切片依赖它;死守它的依赖者最少——只有真共享核心才连上去,别把半个 schema 层挂成全图前置。这根脊椎的
--accept除了"端到端跑通",还要能答"这根线的最小设计先确认过了吗"——命中engineering-with-craftsdd.md 里"值得 SDD"的场景(跨边界合约 / 多方消费者等)时,脊椎片先出一份最小设计或先过一轮 scoping,再动手实现,别让地基片在无人认可的设计上直接下场写代码。 - 远期的片先留粗粒度占位,不必一次切到底:只有近期(下一个 cadence 窗口内要跑)的片才值得精切到"能并行 + 可验收"的粒度;远期 iteration 的需求大概率会变,现在精切等于投机——先占位(一个粗粒度 task 加一句意图描述),进了近期窗口再回来重切。这是 rolling-wave planning:粒度随时间距离渐进细化,不是一次性切完整个 epic。
- 片分组进
cadence/iterationtimebox:每个 iteration 收口时至少 ship 一片可用增量(接 board 的 cadence 模块——节奏在这落地)。一轮里的 members 估时总量与关键路径要能放进 timebox;放不进时先重切/移出,不要把超载当成排期问题留给后面。 estimate回喂粒度调参(锚 3)。- 切好的图怎么写进 board(
ccm task add --deps ...)→ using-ccm;怎么排期 / 算临界路径 → master-orchestrator-guide 的 board 协议 reference。
anti-pattern 速查
| 反模式 | 为什么坏 / 怎么改 | |---|---| | 横切分层(schema 层→API 层→UI 层) | serial 瓶颈 + 价值堆到最后。改纵切薄增量(锚 1)。 | | 大爆炸节点(一个 task = 半个系统) | 并行度=1、没法验收。按"能并行 + 可验收"再切(锚 3)。 | | 单片吞掉 cadence(一个 task 估时大于 ship_every) | 这通常不是薄纵切。默认拆成几个可验收切片;真不能拆时写明不可拆理由。 | | 瀑布顺序(先把全部设计 / schema 定完再实现) | 投机的大设计先行 + 推迟集成风险暴露。改 walking skeleton(锚 2)。 | | 镀金地基(把共享 foundation 做到"完整完美"才往下) | 你还不知道下游要什么;前置只放最小脊椎(锚 2)。 | | 过度切碎(几十个微任务) | 协调开销 > 干活。estimate trivial 的并回去(锚 3)。 | | 假串行边(为"稳"给无真实数据依赖的片画依赖) | 人为掐死并行。只画真实数据依赖边(排期细节归 master-orchestrator-guide)。 |
Pointers
- [references/worked-example.md](references/worked-example.md) —— 同一个目标的横切 vs 纵切对照样例;当你脑中还只有"先 schema/API/UI"这种横切本能时,先看它校准切法。
- master-orchestrator-guide —— 切好的图怎么排期(CPM / float / 临界路径 / 并行度计算,在它的 board 协议 reference)、怎么派发(按 Codex adapter 已验证的后台机制选择)。本 skill 是"切",它是"排 + 派"。
- dev-as-ml-loop —— 切出来的单个 task 怎么执行到验收(把验收当 objective 迭代逼近)。本 skill 切出带验收的片,dev-as-ml-loop 把每片做到验收。
- engineering-with-craft —— 切出的单 task 执行时,除 dev-as-ml-loop 的循环形状,还要 engineering-with-craft 的手艺内容(片内 SDD→DDD→OOP→TDD 怎么建模 / 写类 / 测试)。本 skill 切片、engineering-with-craft 定义片内每一棒的手艺。
- using-ccm —— 怎么把切出的 task / deps / estimate / cadence 写进 board(
ccm task add/cadence open...)。 - 切片 → board 字段的协议细节(task / parent 嵌套 / cadence / estimate schema)见 using-ccm 的 board-model-guide。
Source & license
This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.
- Author: nemori-ai
- Source: nemori-ai/cc-master
- License: MIT
Install and usage instructions live in the source repository linked above.
Reviews
No reviews yet, be the first.
Write a review
Versions
- v0.1.0 Imported from the upstream source.