Jira Bug AI 分析助手
将以下提示词粘贴到你的 AI 对话框中：
请根据 https://skillhub.cn/install/skillhub.md，安装 @user_81f9446c/jira-analysis-skill。
技能介绍
解决什么问题
Jira 里的 Bug 数据通常分散在项目、经办人、优先级和状态字段中，团队如果只看看板，很难快速判断哪些问题长期积压、哪些模块重复故障、高优先级 Bug 是否被及时处理。人工统计还会遇到「已解决」口径不一致的问题，例如有人按 resolution 判断，有人按 status 判断。
技能如何工作
该技能先从 Jira Server/Data Center 拉取 Bug 数据，输出包含 metadata、aggregations、issues 的 JSON。分析时优先使用预计算聚合结果，覆盖执行摘要、创建趋势、优先级与严重程度分布、组件热点、解决时间、经办人负载、未解决老化、标签模式和改进建议。最终生成单文件 HTML 报表：图表使用内联 SVG 从嵌入数据动态渲染，Issue 表格支持搜索和排序，并可在客户端导出原始数据 Excel。
适用边界与注意点
它更适合需要周期性复盘 Bug 质量的项目。使用前需要确认 Jira URL、认证方式、Project Key，必要时指定中文或自定义 Issue Type、Severity 字段。若数据为 0 条，通常先检查项目 Key、日期范围和 Issue Type 名称；若 Severity 字段为空，则会跳过严重程度分析。
使用场景
- 月度复盘前，把 Jira 项目近 90 天 Bug 拉成趋势与老化报表
- 排查组件热点时，定位 Bug 最多且平均解决时间最长的模块
- 交付质量评审时，对比优先级分布、解决时间和经办人负载
- 交接项目时，导出原始 Issue 数据并生成可离线打开的 HTML 报告
适合人员
- 负责 Jira 项目质量复盘的研发负责人，需要快速查看未解决高优先级 Bug
- 做缺陷治理的测试工程师，要分析组件热点、标签和解决时间分布
- 管理项目交付的 PMO 成员，需要按优先级和经办人生成负载与老化报表
- 接手遗留项目的工程师，需要导出原始 Bug 数据并留下可追溯 HTML 报告
相关技能
基于五步框架搜索近期数据，快速分析公司需求、商业模式、护城河、生命周期与外部环境，并生成 HTML 可视化报告。
结合 DCF 估值、Livermore 趋势规则与市场情绪指标，生成 A 股/港股买入信号和完整分析报告。
面向工程师的统计分析技能，覆盖假设检验、回归、相关、贝叶斯分析、假设检查、效应量与 APA 报告。
基于 ARI 评论样本分析 Amazon 用户痛点、VOC 报告、差评预警与竞品对比，辅助需求洞察和经营决策。