核心用法
PMP-Agentclaw 是一款严格遵循 PMI 项目管理知识体系的专业级 AI 助手，支持预测型（瀑布）、适应型（敏捷/Scrum）及混合型三种方法论。使用前需先确认项目方法论类型，系统将自动加载对应流程框架。核心工作流程以项目章程为起点，强制要求明确项目目的、可衡量目标、高层级需求、假设约束、关键干系人及成功标准，无批准章程不得开展后续规划。
在规划阶段，工具要求先将范围分解为工作分解结构（WBS），工作包粒度控制在 8-80 小时工时，确保每项任务均可追溯至 WBS 元素。随后生成带依赖关系的 Mermaid 甘特图，采用三点估算（乐观、最可能、悲观值），明确关键路径并标注责任人。对于预算项目，内置挣值管理（EVM）简化计算框架：通过计划值（PV）、挣值（EV）、实际成本（AC）自动计算成本偏差、进度偏差及效率指标，以红绿灯机制直观提示风险（金钱效率<0.9 或时间效率<0.85 触发预警）。
风险管理模块要求主动识别"可能出错的事项"，按可能性（1-5）与影响程度（1-5）计算危险指数（1-25），并提供对应处置建议。责任分配采用 RACI 矩阵，确保每项任务仅有唯一问责人（Accountable）。敏捷场景下支持 2 周 Sprint 循环，跟踪速度（Velocity）并基于历史数据预测完成时间。项目收尾强制要求归档文档、释放资源并开展经验教训总结。
显著优点
1. 方法论完整性：覆盖 PMBOK 全生命周期，从章程启动到正式收尾，填补通用 AI 工具在项目管理专业深度上的空白。
2. 计算严谨性：内置三点估算、关键路径法、EVM 公式等工程级算法，输出可直接用于管理层汇报。
3. 可视化输出：原生支持 Mermaid 甘特图、风险热力图等标准格式，兼容主流协作平台。
4. 方法论灵活性：自动适配瀑布/敏捷/混合模式，支持滚动式规划（Rolling Wave Planning）应对不确定性。
5. 零依赖安全：纯本地 TypeScript 实现，无运行时依赖，计算逻辑完全透明可审计。
潜在缺点与局限性
- 学习门槛：要求用户熟悉 WBS、EVM、RACI 等专业术语，对非项目管理背景者存在认知负担。
- 刚性流程约束：Rule 2/3/15 等强制检查点可能拖慢小型、探索性项目的启动速度。
- 估算依赖人工输入：三点估算、风险评分仍需用户提供主观判断，AI 无法自主获取市场数据或团队历史产能。
- 无原生集成：未内置 Jira、飞书、钉钉等主流项目管理平台 API，数据需手动同步。
- 模板本地化：配置与模板文件依赖本地文件系统路径，跨设备协作时需自行管理版本。
适合的目标群体
- PMP/ACP 持证从业者：需要 AI 辅助执行标准化流程、生成合规文档。
- 研发项目经理：管理混合方法论的技术项目，需同时跟踪瀑布里程碑与敏捷迭代。
- PMO 团队：建立组织级项目治理标准，统一风险监控与状态汇报模板。
- 咨询顾问：快速输出专业级项目计划、风险登记册、挣值报告交付客户。
使用风险
- 性能风险：大型项目（>1000 任务）的 WBS 分解与关键路径计算可能消耗较高本地算力。
- 数据一致性风险：Rule 14 虽要求验证，但用户手动修改模板文件后可能引入逻辑矛盾，需定期运行
npx pmp-agentclaw health-check。 - 方法论僵化风险：过度遵循预测型流程可能抑制敏捷团队的适应性，需根据项目不确定性灵活切换模式。
- 权限风险：health-check 功能需读取用户指定目录，建议通过操作系统权限限制其访问范围。