1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | sei-analytics-harness-harness-skills |
| 作者/维护者 | Harness（harness 官方组织） |
| 来源链接 | https://github.com/harness/harness-skills/tree/main/skills/sei-analytics |
| 许可证 | Apache-2.0（GitHub API 获取，仓库级） |
| GitHub Stars / Forks | 合集仓库整体 74 / 14（GitHub API 获取；该数字属整个 harness-skills 合集，不代表本技能自身热度，取证方式见第 7 章） |
| 最新版本 | SKILL.md 声明 version 1.0.0 |
| 安装方式 | 克隆仓库 + 配置 Harness MCP v2 Server（详见第 10 章） |
2. 功能介绍与亮点
sei-analytics 基于 Harness Software Engineering Insights（SEI）把四类工程管理分析封装成自然语言可触发的结构化流程：
- 冲刺分析（Sprint Analytics）：速度趋势、承诺与完成点数对比、估算准确度、范围蔓延（scope creep）比例、遗留任务占比
- 投入分配（Investment Allocation）：按功能/缺陷/技术债/运维等类别统计工程时间占比，与目标配置对比并给出再平衡建议
- 冲刺规划与容量预测：结合团队规模、历史速度、请假与会议开销计算可用工程日，标记可能拖慢冲刺的大故事点任务与跨团队依赖
- 发布就绪度评估：从代码质量、流水线健康、测试、安全扫描、运维准备五个维度给出结构化 GO/NO-GO 报告
- 边界清晰：SKILL.md 明确写明“不用于 DORA 指标（改用 dora-metrics）”，与同仓库姊妹技能职责不重叠
- 文档含 Performance Notes（如估算方法不统一会拉低准确度）与逐项 Troubleshooting（速度数据异常、投入分类缺失、就绪度检查不完整）三个常见故障场景的排查步骤
3. 适用场景
所属分类：工程效率与代码质量
适合已经接入 Harness SEI 的工程经理、Scrum Master 与研发效能团队：不必手动导出 Jira/Azure DevOps 数据做透视表，用一句“给我看看平台团队最近几个冲刺的速度趋势”“这个版本能不能发”就能拿到结构化分析与建议，尤其适合冲刺复盘会前快速准备材料、或版本发布前的放行决策。
4. 跨 Agent 兼容性
- Claude Code：原生支持——仓库根目录
CLAUDE.md导入AGENTS.md，skills/*/SKILL.md自动发现，README 给出具体克隆与 MCP 配置步骤 - Codex：官方支持——README 单列 OpenAI Codex 小节，说明仓库根
AGENTS.md会被 Codex 自动读取为系统指令，并给出在 prompt 中以文件路径引用具体技能文件的通用方法（非专门以 sei-analytics 为例） - OpenClaw：未验证——抓取材料未点名，README 仅笼统声明“Windsurf / 其他 AI 编辑器”只要支持系统指令、MCP 与文件上下文即可使用
- Hermes Agent：未验证——抓取材料未点名，理由同上
5. 推荐理由
把冲刺复盘、投入分配核算、容量预测和发布放行这几件工程经理每个迭代周期都要做、却往往靠手工拉数据拼凑的事，交给 agent 通过只读 MCP 工具一次性生成结构化分析报告，四个子场景边界划分清晰，且明确与同仓库 dora-metrics 分工不重叠。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | Harness 官方出品并被官方开发者文档站单独收录（Platform intelligence 分组，非 Alpha），但本子技能自身仅 1 次批量添加提交、无后续迭代，仓库整体 74 stars 规模有限，未见独立于官方渠道的第三方讨论 |
| 可用性 | 7 | 六步流程、四类分析场景、Performance Notes 与 Troubleshooting 一应俱全，文档完整；但需要已配置好的 Harness 账号与 MCP v2 Server，且自 2026-05-22 批量添加后未见针对性内容更新，维护活跃度不及同仓库有过后续打磨的姊妹技能 |
| 安全性 | 9 | 见下方检查清单 |
| 综合 | 7.7 | 三项均值 |
安全检查清单：
| 检查项 | 结果 |
|---|---|
| ① Shell 命令与权限范围 | 不执行任意 shell 命令，全程仅调用 harness_list 只读 MCP 工具查询项目与流水线执行信息，不修改任何资源 |
| ② 联网外发 | 仅通过用户自行配置的 Harness MCP v2 Server 与用户自己的 Harness 账号通信，未见其他外发目标 |
| ③ 凭据存储 | 依赖 Harness MCP Server 自身的 API Key 配置（环境变量），技能正文不要求粘贴或落盘明文凭据 |
| ④ 可疑指令 | 全文为分析步骤说明、计算公式与响应报告模板，未发现提示注入或隐蔽指令 |
| ⑤ 作者信誉 | Harness 为知名商业 CI/CD 平台厂商，harness 为其官方 GitHub 组织 |
| ⑥ License | Apache-2.0，明确（仓库级） |
| ⑦ 维护时间 | 子目录最近一次提交为 2026-05-22 批量添加，仓库整体最近一次提交为 2026-07-07，非弃置项目 |
7. 跟同类 Skills 相比的优势
| 方案 | 定位 | 差异 |
|---|---|---|
| sei-analytics（本技能） | 面向冲刺级工程管理分析：速度、估算准确度、投入分配、容量预测、发布就绪度 | 服务对象是工程经理/Scrum Master 的迭代周期决策，不涉及部署频率等交付流水线级指标 |
| dora-metrics（同仓库姊妹技能） | 汇总部署频率、变更前置时间等六种 DORA 指标 | 面向团队整体交付效能的周期性报告，颗粒度是“发布/部署事件”而非“冲刺内工作分配” |
| debug-pipeline（同仓库姊妹技能） | 诊断单次流水线执行失败或性能瓶颈的根因 | 面向单次执行事件的即时故障排查，不产出周期性管理报告 |
| power-bi-agentic-development（社区维护） | Power BI/Fabric 全流程数据建模与可视化 | 通用 BI 工具链，需自行搭建数据模型才能做类似的团队效能分析，非开箱即用的工程管理指标 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价；仓库层面公开的 issue 与合并记录以 Harness 内部工程师为主。
9. 其他补充
同仓库 README 将技能按“创建与搭建 / 运行与调试 / 治理与安全 / 分析与报告”四种工作模式分组，sei-analytics 属于“分析与报告”一类，与 /dora-metrics、/analyze-costs、/scorecard-review 等技能同组但各自服务不同指标集。除 Claude Code、Codex 外，README 还给出 Cursor 与 GitHub Copilot 的接入步骤。
10. 安装使用方式
git clone https://github.com/harness/harness-skills.git
cd harness-skills
claude在 ~/.claude/settings.json 中加入 Harness MCP v2 Server 配置：
{
"mcpServers": {
"harness-mcp-v2": {
"command": "npx",
"args": ["-y", "harness-mcp-v2"],
"env": { "HARNESS_API_KEY": "<your-api-key>" }
}
}
}安装后无需重启；在对话中输入 /sei-analytics 或直接描述“给我看看平台团队最近几个冲刺的速度趋势”“我们的工程时间投入是怎么分配的”即可触发分析。
11. 注意事项
- 必须已有 Harness 账号并配置好 Harness MCP v2 Server（含 API Key），无法离线或脱离 Harness 平台使用
- 分析质量依赖团队使用一致的估算方法与 issue 标签规范，故事点估算方式不统一或 issue 未打标签会降低分析准确度
- 明确不适用于 DORA 四项指标场景，需要部署频率/变更前置时间等指标时应改用同仓库 dora-metrics
- OpenClaw / Hermes Agent 的兼容性未见官方声明，跨 agent 使用前建议自行验证