mercadona-user-story-toolkit

Transforma los artefactos de un proyecto GSD (Get Shit Done) en un PRD sintético compatible con /prd-quality-guard. Lee .planning/PROJECT.md, REQUIREMENTS.md, ROADMAP.md y phases/N/SPEC.md|RESEARCH.md, y produce un fichero prd-from-gsd.md con las secciones del PRD rellenas o marcadas como GAP cuando GSD no captura ese tipo de información. TRIGGERS: "from-gsd", "convertir GSD a PRD", "/from-gsd", "GSD → PRD", "leer .planning/", "generar PRD desde GSD" INTEGRACIÓN: Punto de entrada del pipeline cuando el origen es GSD. Equivale a la "Ruta B" del pipeline (junto a PRD y sin documento). Su output entra a /prd-quality-guard.

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)

Evalúa la calidad de un PRD como quality gate antes de pasar a research. Analiza 3 dimensiones: D1 Completitud EAC (Estado Actual Conocido), D2 Claridad EFC + Métricas (Estado Futuro Conocido), D3 Rigor Discovery + Scope. Score ≥7 = PASS. TRIGGERS: analizar calidad PRD, revisar PRD, evaluar PRD, quality gate PRD, "¿está listo el PRD?", "evalúa este PRD", "PRD quality check", "calidad del PRD de..." INTEGRACIÓN: Se ejecuta ANTES de /research (research-from-prd). Score ≥7 = listo para research.

Diseña y ejecuta user research estructurado en 6 bloques (Propósito -> Plan -> Criterios -> Análisis -> Conclusiones -> Next Steps) usando JTBD como lente y Mom Test + Field Study como técnicas. Pieza central del pipeline: después de prd-quality-guard, antes de jtbd-to-stories. SIEMPRE se ejecuta (modo Discover o Validate). Acepta un PRD como fuente de entrada (problema, solución, métricas, scope). TRIGGERS: diseñar research, preparar entrevistas, guión de entrevista, validar JTBDs con usuarios, analizar notas de entrevistas, Mom Test, detectar gaps, "discovery para PRD", "research para el PRD de..." INTEGRACIÓN: Input: contenido del PRD (paste, fichero, URL). Output: JTBDs compatibles con /jtbd-to-stories.

Prioriza user stories validadas usando 5 lentes ponderadas (Value, Learning, Dependencies, Risk of Delay, Inverse Complexity) y genera batches iterativos de entrega. Incluye deteccion de patrones waterfall y reglas anti-waterfall que garantizan que cada batch entrega valor usuario. TRIGGERS: priorizar stories, ordenar backlog, batches de entrega, "en que orden entregamos?", "priorizar backlog", prioritize stories, "organizar stories por prioridad", "proponer orden de entrega" INTEGRACION: Se ejecuta DESPUES de /split-stories (o /validate-stories). Input: stories validadas con scoring 6 dimensiones. Output: backlog priorizado en batches iterativos con justificacion.

Detecta stories demasiado grandes y aplica heurísticas de splitting para descomponerlas en incrementos pequeños, seguros y valiosos. Último paso antes de priorización/ejecución. POSICIÓN EN EL PIPELINE: - DESPUÉS de /validate-stories (recibe stories validadas con scoring 6D) - ÚLTIMO paso antes de pasar a tu issue tracker o ejecutor - Puede ejecutarse independientemente sobre cualquier story USAR CUANDO: - Story tiene red flags lingüísticos: "y", "o", "gestionar", "manejar", "incluyendo" - Story describe múltiples features bundled - Story parece demasiado grande o vaga (>3 días de trabajo) - Usuario pregunta "cómo dividir esta story" o "esta story es muy grande" - Después de /validate-stories para asegurar granularidad óptima - Comando: /split-stories NO USAR CUANDO: - Story ya es pequeña y enfocada (<1 día de trabajo) - Score Dim 6 (Survivable Experiment) ≥8 (ya es suficientemente pequeña) - Usuario pregunta CÓMO implementar (no es splitting, es diseño técnico)

Asistente conversacional para crear user stories de alta calidad con metodología JTBD. Guía paso a paso a usuarios sin experiencia para escribir stories que capturen el contexto del trabajo, motivaciones funcionales, emocionales y sociales del usuario. USAR CUANDO: - Usuario quiere crear/escribir una user story nueva - Usuario necesita ayuda redactando una historia de usuario - Usuario quiere convertir una idea en user story - Usuario pregunta "cómo escribir una buena user story" - Usuario tiene un requerimiento y quiere formatearlo como story - Usuario quiere mejorar/reescribir una user story existente NO USAR CUANDO: - Usuario quiere analizar/evaluar stories existentes (usar user-story-quality-coach) - Usuario quiere revisar un sprint o backlog completo

Analiza user stories usando framework JTBD + "50 Quick Ideas to Improve Your User Stories". Genera reportes con scoring en 6 dimensiones y detección de antipatrones. Usar cuando se pida analizar sprint, revisar backlog, evaluar stories, encontrar fake stories, o refinar historias.