Setup

Config

Run

Report

Step-by-Step Guide

Od nuly k prvnímu reportu

10 kroků, které vás provedou celým EDPA frameworkem — od instalace po kalibrovaný výkaz hodin.

Začít průvodce

Prerekvizity

Nainstalujte GitHub CLI, Python 3.10+ a PyYAML. Ověřte přihlášení do GitHub s project scope.

terminal

# GitHub CLI — přihlášení s project scope
gh auth login
gh auth refresh -s project,read:project

# Python závislosti
pip install pyyaml

# Ověření
python3 --version   # >= 3.10
gh --version        # >= 2.40

Ocekavany vystup

✓ Logged in to github.com as your-user
✓ Token scopes: repo, project, read:project
✓ pyyaml installed
Python 3.12.1
gh version 2.44.1

Dalsi krok →

Vytvořit repo

Vytvořte nový GitHub repozitář v organizaci. EDPA vyžaduje organizační repo (ne personal) pro Issue Types a GitHub Projects.

terminal

# Vytvořit privátní repo v organizaci
gh repo create ORG/project-name \
  --private --clone

cd project-name

Ocekavany vystup

✓ Created repository ORG/project-name on GitHub
✓ Cloned to ./project-name

Zpet Dalsi krok →

Nainstalovat EDPA

Jeden příkaz nainstaluje EDPA plugin do .claude/edpa/ a vytvoří .edpa/ adresářovou strukturu. Žádné manuální kopírování.

terminal

curl -fsSL https://edpa.technomaton.com/install.sh | sh

Ocekavany vystup

EDPA Installer
==============
Downloading EDPA plugin...
✓ Plugin installed to .claude/edpa/
✓ Created .edpa/ structure:
  .claude/edpa/    ← skripty, skills, hooks
  .edpa/config/    ← konfigurace týmu a iterací
  .edpa/backlog/   ← work items (per-item YAML)
  .edpa/reports/   ← generované výkazy

Next: open Claude Code and run /edpa setup

Zpet Dalsi krok →

/edpa setup

Jeden příkaz nakonfiguruje celý projekt — tým, Issue Types, GitHub Project s 8 views, SAFe status fields, custom fields, sub-issue hierarchii a CI workflows.

claude code (doporuceno)

/edpa setup "Název projektu"
# Claude Code provede vše interaktivně

terminal

# Manuální alternativa (pokud nepoužíváte Claude Code):
# 1. Upravit .edpa/config/people.yaml (tým, role, FTE, kapacity)
# 2. Issue Types:
python3 .claude/edpa/scripts/issue_types.py setup --org ORG
# 3. GitHub Project:
python3 .claude/edpa/scripts/project_setup.py --org ORG --repo project-name
# 4. Views:
python3 .claude/edpa/scripts/create_project_views.py

Ocekavany vystup

✓ Team: 3 members configured (2.8 FTE)
✓ Issue Types: Initiative, Epic, Feature, Story, Defect, Task
✓ GitHub Project created (#4)
✓ Status fields: Initiative, Epic, Feature, Story (SAFe workflows)
✓ Fields: Job Size, BV, TC, RR, WSJF Score, Team
✓ 8 views: All Items, Board, Epics, Features, WSJF,
           Current Iteration, My Work, Roadmap
✓ Branch-check CI workflow installed
✓ Config saved to .edpa/config/edpa.yaml

⚠ Enable in GitHub Project → Workflows:
  ✓ Item added → Set status "Funnel"
  ✓ Auto-add issues from linked repo
  ✗ NEVER enable auto-archive!

Zpet Dalsi krok →

Naplnit backlog

Vytvořte YAML soubory v .edpa/backlog/ — jeden soubor per item. Hierarchie: Initiative > Epic > Feature > Story. WSJF se počítá automaticky.

terminal

# .edpa/backlog/stories/S-1.yaml
id: S-1
type: Story
title: "Implementovat login endpoint"
js: 5              # Job Size (Fibonacci)
bv: 8              # Business Value
tc: 5              # Time Criticality
rr: 3              # Risk Reduction
status: Backlog
parent: F-1      # Rodičovská Feature
assignee: jnovak
iteration: PI-2026-1.1

# Validace backlogu
python3 .claude/edpa/scripts/backlog.py validate
python3 .claude/edpa/scripts/backlog.py tree

Ocekavany vystup

✓ Backlog valid (12 items, 0 errors)

I-1: Medical Platform
└── E-1: Data Processing Pipeline
    ├── F-1: Authentication (JS=8, WSJF=2.0)
    │   ├── S-1: Login endpoint (JS=5) ← jnovak
    │   └── S-2: Token refresh (JS=3) ← emala
    └── F-2: Data Import (JS=13, WSJF=1.8)
        ├── S-3: CSV parser (JS=5) ← emala
        └── S-4: Validation (JS=3) ← pkral

Zpet Dalsi krok →

Tým začne pracovat

Tým pracuje standardním GitHub flow — branch naming konvence, commity s referencemi na items, PR a code review. EDPA vše sleduje automaticky.

terminal

# Branch naming (CI kontroluje formát)
git checkout -b feature/S-1-login-endpoint

# Commit s referencí na item
git commit -m "feat(S-1): implement JWT login"

# Pull Request
gh pr create \
  --title "S-1: Login endpoint" \
  --body "Implements JWT auth flow" \
  --assignee jnovak

Ocekavany vystup

Branch: feature/S-1-login-endpoint
Commits: 4 (linked to S-1)
PR #42: "S-1: Login endpoint"
  → Review requested: pkral
  → Status: Approved ✓ → Merged

Evidence detekována:
  jnovak: assignee (+4), PR author (+2), commits (+1)
  pkral:  PR reviewer (+1)

Zpet Dalsi krok →

Konec iterace

Na konci iterace EDPA engine načte evidenci z backlog YAML souborů a proporcionálně alokuje hodiny podle skutečné práce.

claude code (doporuceno)

/edpa close-iteration PI-2026-1.1
# Claude Code stáhne evidenci a spočítá alokaci

terminal

python3 .claude/edpa/scripts/engine.py \
  --edpa-root .edpa \
  --iteration PI-2026-1.1

# Engine automaticky:
# 1. Načte evidenci z .edpa/backlog/ YAML souborů
# 2. Spočítá contribution weight (CW)
# 3. Alokuje hodiny: Score / Total × Capacity
# 4. Vygeneruje reporty

Ocekavany vystup

EDPA Engine v1.4.0-beta — PI-2026-1.1
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Team:     3 members, 2.8 FTE
Capacity: 448 hours (2 weeks)

Allocation:
  jnovak  │████████████████░░│ 178.2h (39.8%)
  emala   │█████████████░░░░░│ 142.6h (31.8%)
  pkral   │████████████░░░░░░│ 127.2h (28.4%)
                        Total: 448.0h ✓
Invariants: ALL PASSED

Zpet Dalsi krok →

Výkazy a reporty

EDPA generuje per-person výkazy, per-item cost allocation, JSON export a frozen snapshot. Vše auditovatelné a reprodukovatelné.

claude code (doporuceno)

/edpa reports
# Claude Code vygeneruje všechny reporty a výkazy

terminal

# Vygenerované soubory
.edpa/reports/
├── iteration-PI-2026-1.1/
│   ├── vykaz-jnovak.md      # per-person výkaz
│   ├── vykaz-emala.md
│   ├── vykaz-pkral.md
│   ├── edpa_results.json    # strojově čitelný
│   └── summary.xlsx         # Excel export
.edpa/snapshots/
└── iteration-PI-2026-1.1.json  # frozen snapshot

Ocekavany vystup

Per-person výkaz (vykaz-jnovak.md):
┌──────────┬────────┬────────┬────────┐
│ Person   │ Hours  │ Share  │ Items  │
├──────────┼────────┼────────┼────────┤
│ jnovak   │ 178.2  │ 39.8%  │ 7      │
│ emala    │ 142.6  │ 31.8%  │ 5      │
│ pkral    │ 127.2  │ 28.4%  │ 6      │
├──────────┼────────┼────────┼────────┤
│ TOTAL    │ 448.0  │ 100%   │ 18     │
└──────────┴────────┴────────┴────────┘

Zpet Dalsi krok →

Retrospektiva + kalibrace

Porovnejte EDPA výstupy se skutečností (ground truth). evaluate_cw.py počítá MAD, korelaci a identifikuje outliers.

claude code (doporuceno)

/edpa calibrate
# Claude Code spustí kalibraci a zobrazí MAD výsledky

terminal

# Ground truth srovnání
python3 .claude/edpa/scripts/evaluate_cw.py \
  --iteration PI-2026-1.1 \
  --ground-truth .edpa/data/ground_truth.csv

# MAD < 0.05 → výborná kalibrace
# MAD 0.05-0.10 → dobrá kalibrace
# MAD > 0.10 → vyžaduje úpravu vah

Ocekavany vystup

Evaluation: PI-2026-1.1
━━━━━━━━━━━━━━━━━━━━━━━
Pearson r:     0.94
MAD:           0.032  ← výborná kalibrace
Max deviation: 0.061 (pkral)

Verdict: EXCELLENT
No weight adjustment needed.

Zpet Dalsi krok →

Další PI

Opakujte pro každou iteraci. S každým cyklem se kalibrace zpřesňuje. Cíl: prediktabilita > 80 %, MAD < 0.05 do třetího PI.

claude code (doporuceno)

/edpa close-iteration PI-2026-1.2
# Další iterace — stejný postup

terminal

# Nová iterace
python3 .claude/edpa/scripts/engine.py \
  --edpa-root .edpa \
  --iteration PI-2026-1.2

# Porovnejte výsledky iterací v .edpa/reports/

Ocekavany vystup

Trend: PI-2026-1.1 → PI-2026-1.4
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
MAD:            0.032 → 0.018  ↓ improving
Predictability: 78%   → 91%   ↑ on target
Correlation:    0.94  → 0.98  ↑ strong

Status: Mature — framework calibrated.

Zpet Hotovo — zpet na EDPA