workload-calculator

name	workload-calculator
description	软件项目工时估算助手，使用三点估算(PERT)、T-shirt sizing或功能点分析(FPA)等方法，将需求拆解为工作包，计算出乐观、最可能和悲观工时，并提供项目总工时、标准差和置信区间等结果。当用户需要估算开发工时、评估项目工作量、做三点估算、T恤尺码估算、功能点分析、Sprint规划、报价工时拆分，或询问“这个功能要多久”、“评估一下工作量”等关键词或场景时触发。
license	MIT

Effort Estimator — 软件项目工时估算

基于三点估算 (PERT)、T-shirt Sizing、功能点分析 (FPA) 三大方法论，帮助团队对软件项目进行科学的工时估算，输出乐观值、最可能值、悲观值及风险区间。

Quick Start

1. 用户提供需求描述 → Agent 识别功能模块并拆分工作包 (WBS)
2. 选择估算方法 → 根据项目阶段和信息粒度，选用合适的方法
3. 逐项估算 → 对每个工作包给出 O/M/P 三值
4. 汇总输出 → 生成估算报告（含风险分析和置信区间）

可使用计算工具辅助：

python3 scripts/estimate_calculator.py --method pert --tasks '[{"name":"用户登录","O":2,"M":3,"P":8}]'

---

方法选择指南

场景	推荐方法	原因
早期可研、预算粗估	T-shirt Sizing	信息少，快速对齐量级
Sprint 规划、迭代估算	三点估算 (PERT)	粒度适中，有置信区间
合同报价、大型项目招标	功能点分析 (FPA)	最严谨，行业可比
团队有历史数据	三点估算 + 历史校准	结合经验修正

---

方法一：三点估算 (PERT / Three-Point Estimation)

核心公式

指标	公式	含义
期望值 E	(O + 4M + P) / 6	加权平均工时
标准差 σ	(P − O) / 6	估算不确定性
方差 V	σ²	用于汇总多任务
项目总期望	ΣE	各任务期望之和
项目总标准差	√(ΣV)	各任务方差之和再开方

其中：

• O (Optimistic)：乐观估计 — 一切顺利时的最短用时
• M (Most Likely)：最可能估计 — 正常情况下的用时
• P (Pessimistic)：悲观估计 — 遇到困难时的最长用时

置信区间

置信水平	区间	适用场景
68.3%	E ± 1σ	内部粗估
90%	E ± 1.645σ	项目规划
95%	E ± 2σ	对外报价
99.7%	E ± 3σ	合同承诺

使用步骤

1. 拆分 WBS：将需求拆到可独立估算的最小单元（建议每个 ≤ 5 人日）
2. 三值估算：对每个工作包，分别给出 O / M / P（单位统一：人时或人日）
3. 计算单任务期望与标准差
4. 汇总项目级指标：总期望 = ΣE，总标准差 = √(Σσ²)
5. 输出置信区间：根据风险偏好选择置信水平

O/M/P 估算经验法则

• O 不应 < M 的 30%（过于乐观意味着忽略了必要步骤）
• P 不应 > M 的 5 倍（过于悲观说明需求理解不清，应先澄清）
• 如果 O ≈ M ≈ P，说明任务非常确定，或估算者未认真考虑风险
• P/O 比值（展幅比）反映不确定性：< 2 低风险，2-4 中风险，> 4 高风险

---

方法二：T-shirt Sizing

尺码定义参考表

尺码	典型范围 (人日)	典型故事点	适用场景
XS	0.25 – 0.5	1	配置修改、文案调整、简单 bug 修复
S	0.5 – 2	2 – 3	单组件开发、简单 API、UI 微调
M	2 – 5	5 – 8	完整功能模块、中等复杂度 API
L	5 – 15	13 – 21	跨模块功能、需要联调
XL	15 – 40	34 – 55	子系统级开发、需架构设计
XXL	40+	89+	需拆分为多个迭代，不建议作为单个估算单元

从 T-shirt 转三点估算

当需要更精确的数值时，可将 T-shirt 尺码转换为三点估算：

尺码	O (人日)	M (人日)	P (人日)
XS	0.25	0.5	1
S	0.5	1	2.5
M	2	3.5	7
L	5	10	20
XL	15	25	50
XXL	40	70	150

使用步骤

1. 团队对齐：确认各尺码含义（上表为参考，团队可自定义）
2. 独立评估：每人独立给出尺码，避免锚定效应
3. 讨论差异：差异超过 2 个尺码时必须讨论
4. 达成共识：取团队共识值
5. 转换数值（可选）：用上表转为 O/M/P 三值

---

方法三：功能点分析 (Function Point Analysis, FPA)

五类功能组件

组件类型	缩写	定义	示例
内部逻辑文件	ILF	应用维护的逻辑数据组	用户表、订单表
外部接口文件	EIF	应用引用但不维护的数据组	第三方汇率数据
外部输入	EI	从外部进入系统的数据处理	表单提交、API POST
外部输出	EO	生成并发送到外部的数据	报表生成、导出
外部查询	EQ	简单的数据检索+展示	列表查询、详情页

复杂度权重矩阵

组件类型	低	中	高
ILF	7	10	15
EIF	5	7	10
EI	3	4	6
EO	4	5	7
EQ	3	4	6

复杂度判定规则

ILF / EIF 复杂度（基于 DET 数据元素类型 和 RET 记录类型）：

	DET 1-19	DET 20-50	DET 51+
RET 1	低	低	中
RET 2-5	低	中	高
RET 6+	中	高	高

EI 复杂度（基于 DET 和 FTR 引用文件类型数）：

	DET 1-4	DET 5-15	DET 16+
FTR 0-1	低	低	中
FTR 2	低	中	高
FTR 3+	中	高	高

EO / EQ 复杂度（基于 DET 和 FTR）：

	DET 1-5	DET 6-19	DET 20+
FTR 0-1	低	低	中
FTR 2-3	低	中	高
FTR 4+	中	高	高

功能点转工时

未调整功能点 (UFP) 计算完成后，需要：

1. 计算调整因子 VAF（可选，IFPUG 4.3+ 已弃用，但仍有团队使用）

   • 14 个通用系统特征 (GSC)，每项 0-5 分
   • VAF = 0.65 + 0.01 × Σ(GSC)
   • 调整后功能点 AFP = UFP × VAF

2. 功能点转人时

   • 行业基准：8-15 人时/功能点（取决于语言和团队成熟度）

   技术栈	人时/功能点	说明
   低代码/成熟框架	4 – 8	有大量可复用组件
   Python/JS/现代Web	8 – 12	主流开发效率
   Java/C# 企业级	10 – 15	含架构和规范开销
   嵌入式/C/C++	15 – 25	调试和测试成本高
   遗留系统维护	20 – 30	理解和回归成本

使用步骤

1. 识别功能组件：列出所有 ILF, EIF, EI, EO, EQ
2. 评定复杂度：对每个组件判定低/中/高
3. 计算 UFP：各组件 × 对应权重后求和
4. 选择转换系数：根据技术栈选人时/功能点比率
5. 计算总工时：UFP × 转换系数
6. 加入缓冲：建议加 15-30% 的管理和风险缓冲

---

估算修正因子检查清单

估算完成后，检查以下因素是否已纳入：

技术因素

• 技术栈熟悉度（团队是否有经验？不熟悉 +30-50%）
• 技术债务（遗留代码质量差？+20-40%）
• 第三方依赖（API 不稳定？文档缺失？+10-30%）
• 性能/安全要求（有特殊非功能需求？+15-25%）

团队因素

• 团队规模（> 5 人时沟通成本显著增加，+5%/人）
• 人员流动风险（有成员可能离开？+15-25%）
• 并行项目（团队在多个项目间切换？+20-30%）
• 新成员上手（有新人加入？前 2 周效率降 50%）

流程因素

• 需求稳定性（需求可能变更？+20-50%）
• 审批流程（需要多层审批？+10-20%）
• 部署复杂度（多环境、多区域部署？+10-15%）
• 合规要求（有审计、合规流程？+15-30%）

常被低估的工作

• 代码审查 (Code Review)：+10-15%
• 单元测试编写：+15-25%
• 集成测试 / E2E 测试：+10-20%
• 文档编写：+5-15%
• Bug 修复和回归：+10-20%
• 环境搭建和 DevOps：+5-10%
• 会议和沟通：+10-15%

---

估算输出模板

Agent 完成估算后，应按以下格式输出：

## 估算报告：[项目/功能名称]

### 估算方法：[三点估算 / T-shirt / FPA]

### 工作包拆分

| # | 工作包 | O (人日) | M (人日) | P (人日) | E (人日) | σ |
|---|--------|---------|---------|---------|---------|---|
| 1 | xxx    | x       | x       | x       | x.x     | x.x |
| 2 | xxx    | x       | x       | x       | x.x     | x.x |

### 汇总

- 总期望工时：X 人日
- 总标准差：X 人日
- 68% 置信区间：X – X 人日
- 90% 置信区间：X – X 人日
- 95% 置信区间：X – X 人日

### 修正因子
- [已考虑的因素及调整]

### 最终建议
- 内部规划用：X 人日（90% 置信）
- 对外报价用：X 人日（95% 置信）

### 风险提示
- [主要风险点和缓解建议]

---

计算工具

提供 scripts/estimate_calculator.py 脚本，支持三种估算方法的数值计算：

# 三点估算 (PERT)
python3 scripts/estimate_calculator.py --method pert \
  --tasks '[{"name":"登录模块","O":2,"M":3,"P":8},{"name":"支付模块","O":5,"M":10,"P":20}]'

# T-shirt 尺码转换
python3 scripts/estimate_calculator.py --method tshirt \
  --tasks '[{"name":"登录模块","size":"M"},{"name":"支付模块","size":"L"}]'

# 功能点分析
python3 scripts/estimate_calculator.py --method fpa \
  --components '[{"type":"ILF","complexity":"中","count":3},{"type":"EI","complexity":"低","count":5}]' \
  --hours-per-fp 10

---

参考文档

• IFPUG (International Function Point Users Group) CPM 4.3.1
• PMI PMBOK Guide — 第 6 版，6.4 估算活动持续时间
• Steve McConnell《Software Estimation: Demystifying the Black Art》
• Mike Cohn《Agile Estimating and Planning》