用途：从 Jira、Linear、GitHub Projects 等记录状态流转的跟踪器中导出的议题历史数据，计算并可视化四项核心看板流动指标——前置时间、周期时间、吞吐量、在制品（WIP），用于冲刺回顾、管理层报告和瓶颈分析，并生成 Mermaid 累积流程图以展示工作量随时间的累积。
主要能力：四项流动指标由 Little 定律（吞吐量 = 在制品 / 周期时间）相互关联；周期时间以分布而非平均值呈现；老化在制品会标记超过团队第 85 百分位周期时间的在途项（风险最高）；按类型（缺陷/功能/技术探索）过滤与趋势分析；支持 json、markdown、mermaid、confluence、notion、linear 六种输出格式。
使用方式：命令如 python scripts/flow_metrics.py --input issues.json --format markdown（完整仪表盘）、--format mermaid（累积流程图）、--demo --format markdown（示例输出，无需输入）。运行前需确认：含状态流转的议题历史（开始/完成的逐项时间戳）、哪些工作流状态算“进行中”与“已完成”、分析窗口与类型过滤。
适用场景：冲刺回顾中的慢速原因数据讨论、吞吐量下降时的瓶颈定位、季度交付评审、基于实际周期时间分布的可预测性分析、看板 WIP 上限校准。
限制与注意：不适用于故事点速度跟踪、冲刺产能计算（见 scrum-master/ 下工具）、资源容量规划、代码级指标（PR 评审时间、部署频率）；不可用于个人绩效评估，流动指标是团队级信号。指标依赖准确的状态流转，若团队每天批量更新看板，周期时间会被该批量间隔离散化。若被游戏化，可产生虚高数字而不改变实际交付（古德哈特定律）。周期时间是团队属性而非个人属性。AI 辅助团队中编码加速常把等待转移到评审与测试状态，应关注在评审时间与老化在制品。