coordinator-optimization

调度优化

职责

基于历史执行数据，分析调度效率，优化角色分配策略和时间预估。

定位：管家的"学习"环节

---

优化层次

层次 1：任务级别

每次任务完成后分析：

• 任务分配是否合理？
• 时间预估是否准确？
• 遇到什么问题？

层次 2：阶段级别

每个里程碑完成后分析：

• 哪些任务总是一起出现？
• 哪些角色组合效率最高？
• 里程碑设置是否合理？

层次 3：系统级别

长期积累后分析：

• 用户偏好什么风格？
• 哪些类型需求增长最快？
• 需要新增/调整角色吗？

---

分析维度

1. 时间分析

预计时间 vs 实际时间：
- [ ] 预估准确（误差 < 20%）
- [ ] 预估过长（实际快很多）
- [ ] 预估过短（实际慢很多）

分析原因：
- 为什么预估不准？
- 哪个环节出了问题？

2. 角色分析

角色使用效率：
- [ ] 需求分析师：使用 N 次，平均耗时 X
- [ ] 计划制定者：使用 N 次，平均耗时 Y
- ...

角色组合效果：
- 组合 A + B：效率高/低
- 组合 X + Y：效率高/低

3. 问题分析

常见问题类型：
- [ ] 需求不清晰 → 需要更早触发 brainstorming
- [ ] 计划遗漏步骤 → 需要更详细的计划
- [ ] 验证不充分 → 需要增加验证环节

反复出现的问题：
- 问题 1：出现 N 次
- 问题 2：出现 M 次

---

优化产出

优化建议格式

# 调度优化报告

> 生成时间：YYYY-MM-DD

## 分析摘要

**分析范围**：过去 X 次任务

### 时间预估

- 准确率：XX%
- 平均误差：X%
- 主要偏差原因：...

### 角色使用

- 最常用角色：需求分析师（N次）
- 最高效组合：...
- 需要调整：...

### 问题模式

- 反复问题 1：出现 N 次
- 反复问题 2：出现 M 次

---

## 优化建议

### 建议 1：[描述]

**原因**：[为什么]
**预期效果**：[会怎样]
**实施方式**：[怎么做]

### 建议 2：...

---

优化存储

存储位置

docs/plans/coordinator-optimization.md

积累机制

每次任务/阶段完成后：
1. 记录执行数据
2. 不立即生成优化建议
3. 积累 5+ 次后生成分析
4. 应用优化建议

---

自我改进

改进触发

• 每完成 5 次任务
• 用户主动触发（输入"优化调度"）
• 发现明显问题模式

改进方式

根据分析结果：
1. 调整任务类型判断逻辑
2. 优化角色选择策略
3. 改进时间预估模型
4. 建议新增角色/技能

---

用户可见的优化

用户能看到

• 执行效率统计
• 问题模式提醒
• 优化建议摘要

用户能参与

• 确认优化建议
• 调整优化参数
• 提供反馈

---

检查清单

• 记录了每次任务的执行数据
• 分析了时间预估准确性
• 分析了角色使用效率
• 识别了反复出现的问题
• 生成了优化建议
• 应用了有效的优化