用途：pm-skills 是项目管理领域的编排器，承担两件事。一是路由：分叉上下文后用 scripts/pm_goal_router.py 对 PM 请求分类，只运行 8 个子技能中的一个并返回摘要。二是循环：把交付目标变成有界的智能体循环，通过捆绑的 Atlassian MCP 拉取 Jira 实时数据，桥接到确定性的分析工具，用机器运行的关卡验证每步，未全部验证或人工豁免前不关闭。
子技能分工：senior-pm 负责项目/组合健康、风险 EMV、容量；scrum-master 负责冲刺速度、回顾跟进、仪式健康、何时完成；jira-expert 负责 JQL、Jira 工作流、看板、自动化；confluence-expert 负责空间、页面树、内容审计；atlassian-admin 负责用户、组、权限、SSO；atlassian-templates 负责可复用模板；meeting-analyzer 负责会议记录、发言时长、行动项；team-communications 负责状态更新、3P 更新、干系人沟通。
路由逻辑：运行 python3 scripts/pm_goal_router.py --text "<goal>" --output json。退出码 0 时 route_to 给出子技能，加载其 SKILL.md 并遵循其工作流；退出码 2 时提出一个澄清问题并列出候选；退出码 3 时请用户重述目标。不得静默猜测，也不得静默串联第二个子技能，先摘要、确认后再串联。
交付循环：按 Observe→Choose→Act→Verify→Record→Repeat-or-stop 执行。观察阶段用 mcp__atlassian__searchJiraIssuesUsingJql 拉取最新状态（先经 getAccessibleAtlassianResources 获取 cloudId），保存结果 JSON 后桥接，例如 python3 scripts/jira_snapshot_bridge.py --input snapshot.json --to flow 得到 WIP、吞吐、周期时间 p50/85/95、工作项年龄、SLE、老化告警；也可 --to sprint 后用 velocity_analyzer.py 分析。加 --forecast N 可做种子蒙特卡洛预测，少于 10 个已完成项时拒绝。验证阶段用 delivery_loop_gate.py 的 --mode plan 与 --mode close 关卡，以及各子技能自身的关卡。
硬性规则：每个循环任务需有具名人类负责人，智能体执行的任务还需具名人类复核人；验收必须机器可检查；Jira/Confluence 写入须可审计、可逆优先，破坏性操作属于需审批的终止状态；不得修改评判自己的关卡；预测须是带置信度的区间而非日期；每任务最多 3 次尝试，每目标最多 12 次循环迭代，超限升级。
假设与限制：用户具备交付权限；Jira/Confluence 访问走捆绑 MCP，参考资料未列出的能力需在网页 UI 完成；输入可能不完整，各工具提供 --sample。它不是子技能的替代品，不是通用循环引擎，也不决定要构建什么。具体收费、价格、平台支持范围等事实暂未提供。