| name | jtbd-to-stories |
| description | Genera User Stories de alta calidad a partir de JTBDs con evidencia real.
POSICIÓN EN EL PIPELINE:
- DESPUÉS de /research-from-prd (recibe JTBDs con evidencia de entrevistas)
- ANTES de /user-story-quality-coach (entrega stories para validación)
- NO hace gap detection (eso es /research-from-prd)
- NO infiere JTBDs (eso es /research-from-prd)
- SÍ mapea PRD → campos de story cuando hay datos directos
TRIGGERS - Usar cuando el usuario pida:
- Generar user stories desde JTBDs
- Convertir JTBDs a backlog
- Crear historias a partir de JTBDs validados
- "Dame las stories del research de..."
- "Genera stories con estos JTBDs"
- Pasar de JTBDs a épicas/features/stories
CONSISTENCIA GARANTIZADA:
- Scoring: Compatible con /user-story-quality-coach (6 dimensiones, 0-10)
- Template: Compatible con /user-story-builder (JTBD Reforzado, 3 motivaciones)
|
| version | 2.0.0 |
JTBD to Stories v2.0
Asiste al usuario en convertir JTBDs con evidencia real en User Stories de alta calidad, aplicando el framework JTBD Reforzado, Wendel Checklist y scoring de 6 dimensiones.
Modo copiloto: Esta skill NO genera stories de forma autónoma. Guía al usuario paso a paso, señala información faltante y pregunta antes de rellenar. Ver shared-config.md §Filosofía del Plugin.
Posición en el Pipeline
/prd-quality-guard → /research-from-prd → /jtbd-to-stories (ESTA) → /user-story-quality-coach
│ │
JTBDs + evidencia Stories + scoring
Ver SKILL-reference.md §1 para changelog v2.0 (qué cambió respecto a v1.x)
Framework Unificado
- Scoring:
/user-story-quality-coach (6 dimensiones, escala 0-10)
- Template:
/user-story-builder (JTBD Reforzado, 3 motivaciones)
Input Esperado
JTBDs con evidencia real del output de /research-from-prd (obligatorio).
PRD original opcional para datos de Fase 2.
Ver SKILL-reference.md §2 para formato detallado del input con ejemplo de template
Si el usuario intenta generar stories SIN haber pasado por research:
Recomendación: Para stories de alta calidad, ejecuta primero /research-from-prd
para obtener JTBDs con evidencia real de entrevistas.
Mapeo JTBD + PRD → Story
Desde JTBDs (input principal)
| Campo JTBD | Elemento Story | Template |
|---|
| Job Performer | Actor ("Como...") | Usuario Específico |
| Trigger | "Cuando..." | Trigger (disparador) |
| Job Principal | "Quiero..." | Job Principal (core job) |
| Desired Outcome | "Para..." | Desired Outcome |
| Struggle | Fricción | Struggle + Ansiedades/Barreras |
| Motivación Funcional | Motivación F | Tarea práctica |
| Motivación Emocional | Motivación E | Cómo quiere sentirse |
| Motivación Social | Motivación S | Cómo quiere ser percibido |
| Evidencia - Farolas | Evidencia cuanti | Métricas validadas |
| Evidencia - Penumbras | Evidencia cuali | Quotes reales |
| Wendel 1-4 | Usuario Específico | 4 respuestas reales |
Desde PRD (complemento)
| Sección PRD | Uso en Story |
|---|
| Hipótesis de Solución | Comportamiento NUEVO (START) |
| Métricas | Rangos min-target-over |
| Dimensionamiento | Time Constraints (Dim 5) |
| Riesgos identificados | Survivable Experiment (Dim 6) |
Proceso de Conversión (6 Pasos + 2 Checkpoints)
Paso 1: Obtener Input
Fuentes:
- JTBDs de research: Output de
/research-from-prd (obligatorio)
- PRD original: Fichero, URL o pegado (opcional, para enriquecer secciones de la story)
- Research Gap Analysis: Si disponible, usar para documentar gaps de evidencia
CHECKPOINT 1: Inventario de información disponible
Antes de generar nada, comunicar al usuario:
He revisado los JTBDs y el PRD. Este es el inventario de lo que tengo:
- JTBDs: [listar con completitud de cada campo]
- Evidencia: [cuanti: X datos | cuali: X quotes]
- Métricas/KPIs: [disponibles o ⚠️ ausentes]
- Wendel: [X/4 preguntas con datos]
Información que FALTA y necesito para generar stories de calidad:
[lista de gaps concretos con preguntas]
¿Tienes esta información? ¿Procedo con lo que hay y marco lo pendiente?
Esperar respuesta del usuario antes de continuar.
Paso 2: Mapear JTBD → Story (formato JTBD Reforzado)
Para cada JTBD, construir:
### Job Principal (core job)
[Job Principal del JTBD — la tarea fundamental]
### Struggle (fricción actual)
[Struggle del JTBD — con quotes reales si disponibles]
### Trigger (disparador)
[Trigger del JTBD — momento específico de las entrevistas]
### Desired Outcome
[Desired Outcome del JTBD — resultado esperado concreto]
Validación: El Job Principal debe ser un JOB, no una solución.
- OK: "Completar mi compra sin olvidar nada" (implementable de múltiples formas)
- MAL: "Tener una lista de favoritos" (es una solución específica)
Si detectas que el Job es una solución, aplicar técnica del "¿Por qué?" hasta llegar al job real.
Paso 3: Extraer 3 Dimensiones de Motivación
| Dimensión | Fuente en JTBD | Pregunta clave |
|---|
| Funcional | Motivación Funcional | ¿Qué tarea práctica necesita realizar? |
| Emocional | Motivación Emocional | ¿Cómo quiere sentirse? |
| Social | Motivación Social | ¿Cómo quiere ser percibido? |
Ansiedades/Barreras: Extraer del Struggle del JTBD.
Si alguna motivación falta en el JTBD:
- Documentar como gap pendiente
- Si hay PRD disponible, intentar extraer de Jobs Emocionales
- Si no hay fuente, recomendar usar
/user-story-builder para completar conversacionalmente
Paso 4: Aplicar Wendel Checklist
| # | Pregunta | Fuente | Ejemplo |
|---|
| 1 | ¿Experiencia previa? | Wendel 1 del JTBD | "Recurrente, 1-2x/semana" |
| 2 | ¿Relación con producto? | Wendel 2 del JTBD | "Cliente 2 años, confía" |
| 3 | ¿Motivación situacional? | Wendel 3 del JTBD | "Rapidez, 15 min antes del reparto" |
| 4 | ¿Impedimento actual? | Wendel 4 del JTBD | "Buscar uno a uno, sin historial" |
Wendel Score: X/4 — Si <4, documentar qué falta.
Paso 5: Definir Cambio de Comportamiento
### AHORA (comportamiento actual)
[Del Struggle del JTBD + observaciones de entrevistas]
### NUEVO (comportamiento objetivo)
| Tipo | Comportamiento |
|------|----------------|
| **START** | [De Hipótesis de Solución del PRD, o inferir del Desired Outcome] |
| **STOP** | [Lo que dejará de hacer — del Struggle] |
| **DIFFERENT** | [Mejora cuantificada — de métricas validadas] |
### Rangos (min-target-over)
[De KPIs Esperados del PRD, o de métricas de entrevistas]
Si no hay datos de Fase 2 del PRD:
- Documentar como limitación con
⚠️ Pendiente: definir con PM/Data
- Usar métricas de las entrevistas como baseline SI EXISTEN
- NUNCA inventar valores numéricos — recomendar qué tipo de métrica sería útil
CHECKPOINT 2: Revisión antes de scoring
Presentar al usuario un BORRADOR de cada story (§1 User Story + §3 Comportamiento) y preguntar:
Aquí tienes el borrador de las stories. Antes de calcular scoring y completar:
- ¿El Job Principal refleja bien el trabajo real del usuario?
- ¿El cambio de comportamiento (START/STOP/DIFFERENT) es correcto?
- ¿Hay algo que corregir o completar?
[Listar secciones con ⚠️ Pendiente si las hay]
Esperar confirmación antes de generar el output final.
Paso 6: Calcular Scoring (6 Dimensiones)
| Dim | Nombre | Fuente principal | Escala |
|---|
| 1 | JTBD & Problem Context | Evidencia cuali + cuanti del JTBD | 0-10 |
| 2 | User Specificity | Job Performer + Wendel 4/4 | 0-10 |
| 3 | Behavior Change | AHORA→NUEVO + rangos | 0-10 |
| 4 | Zone of Control | Hipótesis Solución del PRD | 0-10 |
| 5 | Time Constraints | Alcance del Q del PRD | 0-10 |
| 6 | Survivable Experiment | Riesgo/Impacto del PRD | 0-10 |
Score Global = Promedio(Dim1...Dim6)
Cálculo determinista (offload-deterministic):
python3 scripts/score_story.py --d1=<D1> --d2=<D2> --d3=<D3> --d4=<D4> --d5=<D5> --d6=<D6>
Devuelve Score Global, Banda e Interpretación. Citar el output literal — no calcular la media en el LLM.
Interpretación: 0-4 requiere reescritura | 5-6 necesita refinamiento | 7-8 lista para desarrollo | 9-10 modelo a seguir.
Nota: Stories desde JTBDs con evidencia real típicamente alcanzan Dim1 y Dim2 ≥7.
Template de Salida
Ver SKILL-reference.md §3 para secciones obligatorias y opcionales del template completo
Niveles de Salida
| Nivel | Contenido | Cuándo usar |
|---|
| Épica | JTBD alto nivel + métricas generales | Vista estratégica |
| Features | Jobs Principales desglosados (2-5 por épica) | Planificación Q |
| Stories | Desglose implementable (1-2 sprints cada una) | Sprint planning |
Ver SKILL-reference.md §4 para antipatrones desde JTBD/PRD (7 antipatrones con señales y acciones)
Ver SKILL-reference.md §5 para integración con el ecosistema de skills (diagrama completo + cuándo usar cada skill)
Ver SKILL-reference.md §6 para referencias (jtbd-methodology, story-generation)
Ver SKILL-reference.md §7 para ejemplos de uso (3 casos: evidencia completa, gaps, PRD directo)
Comandos Rápidos
| Comando | Acción |
|---|
Genera stories con estos JTBDs | Flujo completo desde JTBDs |
Genera stories del PRD de [X] | Extracción directa del PRD (con advertencia) |
Stories del research de [X] | Buscar output de research y generar |
Desglose a nivel [épica/feature/story] | Ajustar granularidad de salida |
Reglas Estrictas
- NUNCA generar stories sin JTBDs con evidencia real (advertir si el usuario salta
/research-from-prd).
- NUNCA inventar valores numéricos, KPIs, quotes ni rangos min/target/over — marcar como
⚠️ Pendiente: definir con PM/Data.
- SIEMPRE pasar por los dos CHECKPOINTs (inventario de inputs y revisión de borrador) antes de generar el output final.
- NUNCA aceptar como Job algo que sea una solución (ej. "tener una lista de favoritos"). Aplicar técnica del "¿Por qué?" hasta llegar al trabajo real.
- SIEMPRE delegar el cálculo del Score Global a
scripts/score_story.py — no hacer la media en el LLM.
