mercadona-user-story-toolkit

Analizar notas de entrevistas y generar JTBDs

Crear una user story desde cero (sin documento previo, guía conversacional)

Genera un PRD sintético a partir de los artefactos de GSD (.planning/) listo para entrar al pipeline MUST

Ejecutar pipeline completo: PRD/GSD → Research → Stories → Validación → Splitting → Priorización

Evaluar calidad de un PRD como quality gate

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.