story-splitting

Story Splitting

Asiste al usuario en detectar stories demasiado grandes y propone heurísticas para descomponerlas en incrementos pequeños, seguros y valiosos.

Modo copiloto: Esta skill diagnostica y PROPONE splits, pero NO los aplica automáticamente. Presenta el diagnóstico al usuario y espera confirmación antes de generar splits. Ver shared-config.md §Filosofía del Plugin.

Principio Fundamental

El riesgo crece más rápido que el tamaño del cambio.

Stories pequeñas = Bajo riesgo = Feedback rápido = Aprendizaje Stories grandes = Alto riesgo = Feedback lento = Desperdicio

---

Integración con el Pipeline

quality-guard → research → stories → validate-stories → 🆕 SPLIT-STORIES
                                                              │
                                                              ▼
                                                        Stories listas
                                                        para Jira

Cuándo aplicar splitting automáticamente

Señal del pipeline	Acción
Score Dim 6 (Survivable Experiment) ≤6	⚠️ Splitting recomendado
Story tiene >3 criterios de aceptación	⚠️ Revisar si se puede dividir
Story cubre >1 iteración del PRD	⚠️ Dividir por iteración primero
Red flags lingüísticos detectados	🚨 Splitting obligatorio

Input esperado

Stories con formato del ecosistema (template unificado de shared-config.md):

• User Story (Como/Cuando/Quiero/Para)
• JTBD Reforzado
• Criterios de Aceptación (Given-When-Then)
• Scoring 6 dimensiones

Si las stories vienen de Jira, OBLIGATORIO leer TODOS los campos (description + custom fields). Ver shared-config.md §Lectura de Stories desde Jira.

Output

Para cada story analizada:

1. Diagnóstico de red flags (si los hay)
2. Propuesta de splits (3-5 sub-stories concretas)
3. Orden de entrega recomendado (más pequeña y valiosa primero)
4. Técnica(s) aplicada(s)
5. Estimación relativa de cada split (S/M/L)

---

Proceso

Paso 1: Escanear Red Flags

Detector determinista (offload-deterministic): ejecutar el script para identificar coincidencias exactas con boundary-matching, en lugar de escanear con el LLM.

python3 scripts/redflags.py --text "<contenido completo de la story>"

Devuelve los red flags detectados agrupados por categoría. Si no hay matches, no significa que la story sea pequeña — confirmar con el resto del paso.

Leer cada story buscando indicadores lingüísticos en TODOS estos campos:

• User Story (Como/Cuando/Quiero/Para)
• JTBD Reforzado (Job Principal, Struggle)
• Criterios de Aceptación

6 categorías de red flags a buscar:

1. Conjunciones coordinantes: "y", "o", "pero", "ni"
2. Conectores de acción: "gestionar", "manejar", "administrar", "procesar", "mantener"
3. Conectores de secuencia: "antes", "después", "luego", "mientras", "cuando"
4. Indicadores de alcance: "incluyendo", "además", "también", "con"
5. Indicadores de opción: "o bien", "opcionalmente", "alternativamente"
6. Indicadores de excepción: "excepto", "a menos que", "sin embargo", "aunque"

Ver SKILL-reference.md §S1 para ejemplos detallados de cada categoría.

Cuando detectes estas palabras, marcar la story como candidata a splitting.

---

Paso 2: Tabla de Decisión — Red Flag → Técnica Recomendada

Ver SKILL-reference.md §S2 para la tabla completa de decisión Red Flag → Técnica Recomendada (10 patrones con ejemplos).

---

CHECKPOINT: Diagnóstico con el usuario

Antes de proponer splits, presentar el diagnóstico:

He encontrado estos red flags en la story: [tabla de red flags detectados con categoría y texto exacto]

Técnica(s) de splitting recomendada(s): [lista]

¿Estás de acuerdo con el diagnóstico? ¿Hay algún aspecto que no deba dividirse? ¿Hay restricciones de entrega que deba considerar?

Esperar confirmación antes de generar los splits.

Paso 3: Aplicar Heurísticas de Splitting (cast-wide)

Regla cast-wide (Lada Kesseler): No converjas en la primera técnica que encaja. Genera 2-3 propuestas alternativas con técnicas distintas y presenta los trade-offs antes de que el usuario elija.

Para cada alternativa, documenta:

• Técnica aplicada (de la tabla de 9 heurísticas)
• Splits resultantes (lista corta, sin detallar todavía)
• Trade-offs explícitos: qué se entrega antes / qué se aprende / qué riesgo cubre / cuál es el Survivable Experiment más pequeño

Formato de presentación al usuario:

Opción A (técnica X): split en N stories. Trade-off: ...
Opción B (técnica Y): split en M stories. Trade-off: ...
Opción C (técnica Z): split en P stories. Trade-off: ...

Mi recomendación: <opción> porque <razón>. ¿Con cuál seguimos?

Una vez el usuario elige, entonces detallar los splits de esa opción.

9 heurísticas disponibles (aplicar según red flags detectados):

#	Heurística	Cuándo aplicar
1	Empezar por los Outputs	Output complejo (reportes, dashboards)
2	Estrechar el Segmento de Usuario	"para todos los usuarios"
3	Extraer la Utilidad Básica Primero	Feature bundling ("incluyendo", "con")
4	Empezar con Dummy, Mover a Dinámico	Múltiples fuentes de datos
5	Simplificar los Outputs	Múltiples formatos de salida
6	Dividir por Capacidad	Alcance de volumen amplio
7	Dividir por Ejemplos de Utilidad	Cambios técnicos grandes
8	Separar Aprender de Ganar	Incertidumbre técnica alta
9	Walking Skeleton en Muletas	"tiempo real" / "automatizado"

Ver SKILL-reference.md §S3 para ejemplos detallados de cada heurística.

---

Paso 4: Validar los Splits

Para cada split propuesto, verificar:

• Escanear la story en busca de las 6 categorías de red flags
• Marcar la story como "demasiado grande" cuando hay red flags
• Identificar la técnica de splitting a aplicar usando la tabla de decisión
• Proponer 3-5 splits concretos (no sugerencias vagas)
• Cada split es independientemente valioso (se puede desplegar solo)
• Cada split es completable en ≤3 días
• Identificar el split más pequeño para empezar (Survivable Experiment)
• Aplicar múltiples técnicas si la story tiene múltiples red flags
• Los splits son verticales (entregan valor end-to-end), no horizontales ("hacer BD, hacer API, hacer UI")

Señales de que NO se hizo bien:

• Aceptar la story sin cuestionar (no detectar red flags)
• Los splits siguen siendo grandes (>3 días cada uno)
• Los splits son horizontales ("construir BD, construir API, construir UI") en vez de verticales
• Los splits no entregan valor independiente (uno depende de que otro termine primero)
• Solo proponer 1-2 splits en vez de descomponer completamente

---

Paso 5: Generar Output

Ver SKILL-reference.md §S4 para el template completo de output (diagnóstico, red flags, splits, orden de entrega, impacto en scoring).

---

Contexto del equipo (opcional)

Ver SKILL-reference.md §S5 para red flags frecuentes y usuarios válidos para splits. Si tu equipo tiene un team-context-template.md configurado, se usa para personalizar los ejemplos.

Tono de Coaching

Ver SKILL-reference.md §S6 para guía de tono de coaching y frases útiles.

---

Reglas Estrictas

1. NUNCA aceptar una story sin escanear red flags lingüísticos primero (scripts/redflags.py).
2. SIEMPRE generar 2-3 alternativas con técnicas distintas (cast-wide) y presentar trade-offs antes del CHECKPOINT — no converger en la primera técnica que encaje.
3. Los splits son SIEMPRE verticales (entregan valor end-to-end), NUNCA horizontales ("hacer BD, hacer API, hacer UI").
4. Cada split debe ser independientemente desplegable y completable en ≤3 días. Si sigue siendo grande, volver a aplicar splitting.
5. Identificar siempre el split más pequeño para empezar (Survivable Experiment) — la opción que cuesta menos si nos equivocamos.