# Prioritize > Applies MoSCoW (bucket) + RICE-adapted (intra-bucket ranking) to Linear issues of a product pillar, traceable to its PIBER+IDCF sub-spike and the latest vision audit. Use when the user asks to "prioritize issues", "priorizar el pillar", "aplicar MoSCoW", "rank the backlog", "RICE scoring", "/prioritize", or wants a data-backed decision on what to work on next within a pillar. Do NOT trigger for: generic backlog ranking without pillar context (use spike-recommend or implement-advisor instead), issue creation, or PR review. - Skill: `dojocodinglabs/prioritize` (Agent Skill, multi-file: 10 files) - Install (CLI): `npx skillmds@latest add dojocodinglabs/prioritize` - Raw SKILL.md: https://api.skillmd.com/api/skills/dojocodinglabs/prioritize/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Product & Planning - Author: dojocodinglabs (https://skillmd.com/u/dojocodinglabs) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/dojocodinglabs/prioritize --- # /prioritize -- MoSCoW + RICE traceable to product vision Skill que aplica **MoSCoW** (bucket) + **RICE-adaptado** (ranking) a los issues de un pillar, justificando cada veredicto contra el sub-spike PIBER+IDCF declarado en Linear y el vision audit mas reciente (si existe). El output es: 1. Un report markdown en `/audits//priority-.md`. 2. Descripcion de cada issue en Linear con un footer autogenerado (delimiter HTML, idempotente). 3. Un comment snapshot en el sub-spike del pillar (APP-101 para mobile, BACK-101 para backend, etc.). ## Anti-trigger Esta skill NO se activa cuando: - El usuario quiere priorizar sin contexto de pillar (usar `spike-recommend` o triaging manual). - El usuario quiere crear o editar issues individuales (usar MCP directo). - El input es un PR, branch, o commit (el input es un pillar-slug). ## Config resolution Lee `linear-setup.json` en la raiz del cwd. Schema esperado: ```json { "team": { "key": "APP" }, "projects": { ... legacy mapping ... }, "pillars": { "": { "project": "", "spike": "", "codebase": "" } } } ``` - Si el archivo no existe: error claro, sugerir `/make-no-mistakes:linear-projects-setup`. - Si `pillars.` no existe: modo interactivo (ver `commands/prioritize.md`). - Si la config tiene pillars pero falta campo (`project`, `spike`, o `codebase`): pedir el faltante, ofrecer guardar. ## Flujo principal ### Paso A: Fetching paralelo Dispatch 3 subagents via Agent tool con `run_in_background: true`: **Subagent 1 -- fetch-issues**: ``` description: "Fetch issues del project " subagent_type: "general-purpose" prompt: "Usar mcp__linear-server__list_issues para retornar todos los issues del project '' que esten en estado Backlog, Todo, o In Progress. Si --issue-ids fue pasado, filtrar solo a esos. Output: JSON array con {id, identifier, title, description, labels, state, priority, size_label, estimate} por issue. Responder en bajo 200 palabras de explicacion + JSON." ``` **Subagent 2 -- fetch-spike**: ``` description: "Fetch y parse sub-spike PIBER+IDCF " subagent_type: "general-purpose" prompt: "Usar mcp__linear-server__get_issue con id=. Parsear el markdown buscando secciones: ## P, ## I, ## B, ## E, ## R, ## D -- Design Theses (marcar theses con ⚠️ como killshot), ## C -- Capabilities (tabla con build/buy/partner + priority), ## F -- Features (P0, P1, P2, P3), y Anti-patterns si existe. Output: JSON estructurado con estos campos + texto raw del spike por si la parsing falla. Responder en bajo 300 palabras + JSON." ``` **Subagent 3 -- load-audit**: ``` description: "Load most recent vision audit para en " subagent_type: "general-purpose" prompt: "Glob pattern '/audits//vision-audit-*.md'. Si no hay matches, responder {audit: null, reason: 'no audit found'}. Si hay matches, elegir el de fecha mas reciente (YYYY-MM-DD en el filename). Read ese archivo. Parsear el scorecard table, Design Theses table (status OK/PARTIAL/MISSING/DRIFT), Capabilities table, Features por tier, Anti-patterns violations, y top 5 recommendations. Output: JSON estructurado + path del archivo cargado. Responder en bajo 250 palabras + JSON." ``` Esperar a los 3 antes de proceder al Paso B. Si subagent-1 o 2 fallan -> exit 2 con mensaje claro. Si subagent-3 falla (o retorna null) -> continuar con `audit = null` y Confidence default 0.8. ### Paso B: MoSCoW bucket assignment Para cada issue retornado por subagent-1, aplicar las reglas de `references/scoring-rules.md` en orden. Primera regla que matchea gana. Output intermedio: cada issue etiquetado con: - `bucket`: MUST | SHOULD | COULD | WONT | UNCLASSIFIED | DECOMPOSE - `matched_rules`: array de nombres de reglas que aplicaron - `cited_thesis` / `cited_feature` / `cited_capability` / `cited_antipattern`: referencias al spike - `audit_status`: si el audit existe y matchea (OK/PARTIAL/MISSING/DRIFT/VIOLATION/null) **UNCLASSIFIED fallback**: si ninguna regla matchea, dispatch un subagent sync (no background) con el prompt de `references/prompts/llm-fallback-bucket.md`, pasando el issue + sections relevantes del spike. Si el subagent retorna confidence < 0.6 -> mantener UNCLASSIFIED. Si >= 0.6 -> asignar el bucket retornado + anotar `matched_rules: ["llm-fallback"]` + `llm_rationale: `. **DECOMPOSE**: issues con `size_label == "XL"` van a DECOMPOSE directamente, sin pasar por otras reglas. No reciben RICE score. Aparecen en seccion separada del report. ### Paso C: RICE intra-bucket ranking Para cada bucket (MUST, SHOULD, COULD, WONT), si tiene >3 issues: 1. Calcular RICE por issue: `(Reach × Impact × Confidence) / Size`. 2. Variables: - **Reach**: inferir del spike (`every user` = 9, `pillar users` = 3, `admin-only` = 1). Default 3. - **Impact**: `0` (no thesis avanzada), `1` (1 match), `2` (2+ matches), `3` (killshot ⚠️ match). - **Confidence**: audit lookup. `PARTIAL` -> 1.0, `DRIFT` -> 0.8, `MISSING` -> 0.5. Sin audit o ambiguo -> 0.8. - **Size**: XS=1, S=2, M=4, L=8. (XL ya esta en DECOMPOSE.) Sin label -> M=4 + flag `low-confidence-estimate`. 3. Ranking desc. Empates por `issue.identifier` lexicografico asc. Si un bucket tiene ≤3 issues, mantener orden natural (spike-derived) sin rankear. Ver `references/frameworks/moscow-rice.md` para detalle de edge cases. ### Paso D: Confidence flags Marcar cada issue con flag `low-confidence-estimate` si: - `size_label` missing -> Size default=M. - `description.length < 100` -> Reach/Impact inferidos solo del titulo. - `--no-audit` fue pasado pero el audit existe -> Confidence default=0.8. - Subagent-2 parse warnings presentes (ambiguity en spike sections). El flag se muestra como "⚠" en el report al lado del RICE score. NO bloquea el ranking. ### Paso E: Composicion de artifacts Generar 3 artifacts en paralelo (via Agent tool subagents para I/O pesado) o secuencial si mas simple: **Artifact 1 -- Priority report markdown**: - Write a `/audits//priority-.md`. - Si el directorio no existe, crear con `mkdir -p`. - Si ya existe un archivo con la misma fecha -> append sufijo `-2`, `-3`, etc. - Template: ver `references/linear-mutations.md` seccion "Priority report template". **Artifact 2 -- Description footer per issue**: - Solo si `--dry-run=false`. - Para cada issue scoreado, leer la description actual via `mcp__linear-server__get_issue`. - Aplicar la regla de reemplazo idempotente de `references/linear-mutations.md` seccion "Delimiter convention". - Escribir la description actualizada via `mcp__linear-server__save_issue`. - Log success/fail por issue. Fallas NO abortan el batch -- se reportan al final. **Artifact 3 -- Snapshot comment en sub-spike**: - Solo si `--dry-run=false`. - Target: `pillars..spike` (ej: APP-101 para mobile). - NO editar comment anterior. Siempre agregar uno nuevo con fecha. - Si existe comment previo con patron matching, agregar link al bottom del nuevo comment. - Usar `mcp__linear-server__save_comment` con el body del template (ver `references/linear-mutations.md` seccion "Sub-spike comment template"). ### Paso F: Resumen al usuario Al final de la ejecucion (independiente de dry-run): ``` Priority snapshot generado para : Must: N issues (top: ALT-XXX, RICE=X.X) Should: N issues Could: N issues Won't: N issues Unclassified: N issues (needs human review) Decompose: N issues (XL-sized, suggest /spike-recommend) Report: Descriptions updated: N/M issues ( failures) Sub-spike comment: Mutations proposed but NOT applied. Run without --dry-run to apply. Next steps: - Review top Musts en el report. - Corre `/make-no-mistakes:spike-recommend ` para el top-3 Must. - Corre `/make-no-mistakes:implement ` una vez el brief este listo. ``` ## Error handling Ver `references/scoring-rules.md` y `references/linear-mutations.md` para detalle por caso. Tabla resumen: | Escenario | Accion | |-----------|--------| | linear-setup.json no existe | Exit 1 con sugerencia `/linear-projects-setup`. | | pillars. no existe | Modo interactivo. | | MCP linear-server no disponible | Exit 1 con mensaje setup. | | Subagent fetch-issues falla | Exit 2, no tocar Linear. | | Subagent fetch-spike falla | Exit 2, no tocar Linear. | | Subagent load-audit falla | Warn + continuar con audit=null. | | Spike sin IDCF parseable | Warn + MoSCoW puro sin theses matching. | | Issue sin Size label | Default=M + flag low-confidence-estimate. | | --target=labels + labels missing | Exit 1, sugerir pedir a admin + usar --target=description. | | Description update falla para 1+ issue | Continuar batch, reportar fallas al final. Exit 3 si >0% fallas. | | Dry-run + mutations en output | "Proposed" en titulo del report + skip Artifacts 2-3. | ## Reglas de oro 1. **Deterministico first, LLM second**: las reglas de MoSCoW se aplican primero. LLM solo para UNCLASSIFIED residual. 2. **Citar siempre**: cada bucket assignment cita el match (thesis #, feature tier, anti-pattern, audit status). 3. **Idempotencia en Linear**: correr 2 veces debe dar el mismo resultado. Description footer se reemplaza, no se stackea. Sub-spike comment es nuevo cada run (no edit del anterior). 4. **Coexistencia de snapshots**: el report NO sobreescribe el anterior. Git version-controla. 5. **No time estimates**: nunca decir "2 sprints", "1 mes". Sequential ordering con milestones conceptuales. 6. **Respetar config**: si `linear-setup.json` no declara un pillar, pedir al usuario, ofrecer guardar. Nunca inventar. 7. **Low-confidence transparente**: si faltan datos, marcar flag, no adivinar sin avisar. ## Interaccion con el usuario - Confirmar args al inicio si algo es ambiguo (pillar sin config, codebase no existe, MCP no disponible). - Mostrar progreso: "Fetching issues + spike + audit en paralelo...", "Aplicando reglas MoSCoW a N issues...", "Calculando RICE en bucket Must...". - Al final, mostrar el resumen del Paso F. - Preguntar si hay mutations fallidas: "Queres reintentar los N issues que fallaron?". ## Fallbacks Si el codebase del pillar no tiene `audits//`: - Crear el directorio antes de escribir el report. - Mencionar en el executive summary del report: "primer priority snapshot, no hay historial previo". Si el pillar tiene mas de 200 issues: - Advertir al usuario: "200+ issues detectados, esto puede tomar un rato. Considera filtrar con --issue-ids o cerrar issues obsoletos primero." - Proceder igual. ## Referencias - `references/scoring-rules.md` -- tabla deterministica MUST/SHOULD/COULD/WONT. - `references/frameworks/moscow-rice.md` -- v1 impl (formula RICE, edge cases). - `references/frameworks/{rice,moscow,ice,wsjf,kano}.md` -- v2 stubs. - `references/linear-mutations.md` -- delimiter convention + templates. - `references/prompts/llm-fallback-bucket.md` -- LLM prompt para UNCLASSIFIED fallback. Ver tambien el spec completo: `docs/superpowers/specs/2026-04-21-prioritize-command-design.md`.