afa-dashboard
全社的なデータ分析やKPIの進捗状況を可視化し、業界水準との比較やデータ品質の評価、市場動向の監視などを通して、ビジネスの健全性を総合的にチェックするSkill。
📜 元の英語説明(参考)
DTC 数据仪表盘与体检引擎——全链路数据分析、KPI 追踪、行业基准对标、数据健康度评估、市场趋势监控。Use when user mentions: 数据体检, data audit, KPI, 仪表盘, dashboard, 指标追踪, metrics, 基准线, benchmark, 数据分析, data analysis, 营收报表, revenue report, 渠道数据, 广告数据, ROAS跟踪.
🇯🇵 日本人クリエイター向け解説
全社的なデータ分析やKPIの進捗状況を可視化し、業界水準との比較やデータ品質の評価、市場動向の監視などを通して、ビジネスの健全性を総合的にチェックするSkill。
※ jpskill.com 編集部が日本のビジネス現場向けに補足した解説です。Skill本体の挙動とは独立した参考情報です。
下記のコマンドをコピーしてターミナル(Mac/Linux)または PowerShell(Windows)に貼り付けてください。 ダウンロード → 解凍 → 配置まで全自動。
mkdir -p ~/.claude/skills && cd ~/.claude/skills && curl -L -o afa-dashboard.zip https://jpskill.com/download/9777.zip && unzip -o afa-dashboard.zip && rm afa-dashboard.zip
$d = "$env:USERPROFILE\.claude\skills"; ni -Force -ItemType Directory $d | Out-Null; iwr https://jpskill.com/download/9777.zip -OutFile "$d\afa-dashboard.zip"; Expand-Archive "$d\afa-dashboard.zip" -DestinationPath $d -Force; ri "$d\afa-dashboard.zip"
完了後、Claude Code を再起動 → 普通に「動画プロンプト作って」のように話しかけるだけで自動発動します。
💾 手動でダウンロードしたい(コマンドが難しい人向け)
- 1. 下の青いボタンを押して
afa-dashboard.zipをダウンロード - 2. ZIPファイルをダブルクリックで解凍 →
afa-dashboardフォルダができる - 3. そのフォルダを
C:\Users\あなたの名前\.claude\skills\(Win)または~/.claude/skills/(Mac)へ移動 - 4. Claude Code を再起動
⚠️ ダウンロード・利用は自己責任でお願いします。当サイトは内容・動作・安全性について責任を負いません。
🎯 このSkillでできること
下記の説明文を読むと、このSkillがあなたに何をしてくれるかが分かります。Claudeにこの分野の依頼をすると、自動で発動します。
📦 インストール方法 (3ステップ)
- 1. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
- 2. ファイル名の拡張子を .skill から .zip に変えて展開(macは自動展開可)
- 3. 展開してできたフォルダを、ホームフォルダの
.claude/skills/に置く- · macOS / Linux:
~/.claude/skills/ - · Windows:
%USERPROFILE%\.claude\skills\
- · macOS / Linux:
Claude Code を再起動すれば完了。「このSkillを使って…」と話しかけなくても、関連する依頼で自動的に呼び出されます。
詳しい使い方ガイドを見る →- 最終更新
- 2026-05-18
- 取得日時
- 2026-05-18
- 同梱ファイル
- 1
📖 Skill本文(日本語訳)
※ 原文(英語/中国語)を Gemini で日本語化したものです。Claude 自身は原文を読みます。誤訳がある場合は原文をご確認ください。
afa-dashboard: DTC データダッシュボードとヘルスチェックエンジン
階層: グローバルエンジン(Hub に直接レポート)· バージョン: v2.4.7
1. Context Matrix (コンテキストマトリックス)
| 項目 | 定義 |
|---|---|
| Role | DTC データヘルスチェックセンター——全リンクデータ分析に精通したチーフデータオフィサー(CDO) |
| Input | ブランドのコアデータ(売上、広告費、カテゴリ)、チャネルデータ、顧客データ、過去の指標、管家速診の結果、診断プロセスから開始されたデータリクエスト |
| Output | 3層の階層化されたダッシュボード(経営幹部/チャネル/顧客)、北極星指標の健全性評価、異常アラートリスト(重大度を含む)、データヘルスチェックレポート、ルーティング提案、learnings の更新 |
| Core Value | 最小限の入力で、コア KPI の定期的な比較と異常アラートを実現し、データダッシュボードを受動的な業績の「バックミラー」から、能動的な成長の「コックピット」に変える |
タスクを実行する前に、以下の Brand Brain ファイルをロードする必要があります。
- Requires:
products.md - Optional:
learnings.jsonl,stack.md,metrics.md - Never: ユーザーの個人財務情報、未承認のサードパーティプラットフォームのデータ
1.1 Shared Inherited Context(共有継承コンテキスト)
このグローバルエンジンは Hub に直接レポートできますが、実行前に Hub がコンパイルした共有コンテキストを継承する必要があります。Hub がすでに確認した主要な質問を繰り返したり、ユーザーに見えるレイヤーに内部ルーティングコードを公開したりしないでください。
| 項目 | 出典 | 用途 |
|---|---|---|
main_question |
Hub | 現在のラウンドで優先的に解決する必要がある主要な質問。出力が二次的な質問に逸脱してはなりません。 |
goal |
Hub | 現在のタスクの目標定義。診断、ダッシュボード、および配信範囲を制約するために使用されます。 |
deferred_goals |
Hub | 現在のラウンドで処理されない二次的な目標。WHAT'S NEXT で自然に引き継ぐことのみ可能で、先取りして答えることはできません。 |
evidence_state |
Hub | 証拠の十分性の判断。証拠が少ない場合は、まず保守的な実行可能バージョンを提供し、検証が必要な項目をマークします。 |
market_scope |
Hub | 現在の適用市場。明確でない場合は、デフォルトで単一の主要市場とし、許可なく複数の市場に拡張しないでください。 |
primary_market |
Hub | 現在の主要市場。具体的な国、地域、またはサイトが確認されている場合は、直接使用します。単一の市場であることはわかっているが、名前が指定されていない場合は、英語のeコマースの一般的な保守バージョンとして一時的に処理し、出力で調整が必要な項目をマークします。 |
Hub がこれらの項目を明示的に提供していない場合は、まず _system/context-matrix.md と _system/degradation-rules.md に従って、最小限の実行可能な継承を行います。現在の主要な質問を保持し、すでに識別されている主要市場を優先的に使用します。単一の市場のみが確認されているが、名前が指定されていない場合は、まず英語のeコマースシナリオにおける一般的な DTC の方法に従って保守的な開始バージョンを提供し、支払い、物流、規制、プラットフォームのエコシステムなどの調整が必要な項目を検証リストに入れ、質問で最初の回答を置き換えることはしません。
2. Preamble & Visible Loading (起動プロトコル)
システムプロトコルのロード: タスクを実行する前に、
_system/ディレクトリにあるグローバルプロトコルを厳守する必要があります。
_system/interaction-protocol.mdに従って、ワークフローの確認とモジュール間の連携を行います。_system/output-format.mdに従って、4段式の出力とレポートの視覚化を行います。_system/degradation-rules.mdに従って、情報不足またはネットワーク環境がない場合(Level 0-3、危機モード、データギャップリストを含む)を処理します。_system/localization-rules.mdに従って、ターゲット市場のローカライズ適応を行います。_system/edge-cases.mdに従って、エッジケースと Level 0 の要求を処理します。_system/preamble.mdに従って、初期化チェックとルールの優先順位判定を行います。
ユーザーがデータダッシュボードのフローを初めて起動するときは、実際の必要に応じて対応する可視ロード状態を出力します。
[グローバルデータ中枢] データダッシュボードエンジンの初期化中...
├── products.md のロード ✓
├── learnings.jsonl のチェック {✓/✗}
├── stack.md のチェック {✓/✗}
├── metrics.md のチェック {✓/✗}
└── データ基準準備度:{X/1 必須}
作業原則:
- データに基づいた判断: すべての結論はデータに裏付けられている必要があり、根拠のない推測は行わない
- 基準との比較: 各指標は、ユーザー自身の目標値、過去の最適値、または先月のデータと比較し、ハードコードされた業界基準に依存しない
- 異常の優先: 基準から最も大きく逸脱している指標を優先的に注目する
- 実行可能: 各発見には、具体的な次の行動の提案を添付する
- 最小限の入力: ユーザーは最小限のデータを提供するだけで、システムが自動的に指標のプロファイルを作成する。欠落データは「—」とマークし、推定は行わない
3. Core Workflow
Phase 1 — 意図認識とワークフローの選択
ユーザーの意図信号に基づいてワークフローを選択します。
| ユーザー意図信号 | ワークフロー | 主なロード Reference |
|---|---|---|
| 初めての接触、データヘルスチェック、包括的な健全性評価 | WF1: 初めてのヘルスチェック | work-modes-and-templates.md WF1 + benchmark-database.md + report-templates.md |
| 週次/月次レポート、定期的な再検査、前年比分析 | WF2: 定期的な再検査 | work-modes-and-templates.md WF2 + report-templates.md |
| 単一指標の深掘り、チャネル固有、顧客の階層化 | WF3: 専門分析 | work-modes-and-templates.md WF3 + data-driven-decision-loop.md |
| 指標の急変、データ異常、緊急対応 | WF4: リアルタイム異常対応 | work-modes-and-templates.md WF4 + diagnostic-system.md + anomaly-diagnosis-rules.md |
| NSM 設定、北極星指標の定義 | NSM モード | core-frameworks.md(NSM コンパス)+ nsm-playbook.md |
Phase 2 — データ収集と基準の確立
references/benchmark-database.mdをロードしてデータ収集リストを取得し、ユーザーに最小限の必要なデータを提供するように促します。references/core-frameworks.mdをロードしてユーザー基準線を確立します(5段階の優先順位):- ユーザー目標値 → 過去の最適値 → 先月比 → 損益分岐点 → 基準なし(「—」とマーク)
supply_chain_mode = dropshippingの場合 → 指標の優先順位と NSM の推奨を調整します。
⟐ ユーザー確認ポイント: データ収集が完了したら、取得した指標リストと欠落項目を表示し、続行するかどうかを確認します(欠落項目は「—」とマークし、推定は行いません)。
降格戦略(データが不足している場合):
| データ充足度 | 実行可能な操作 | 出力調整 |
|---|---|---|
| 充分(♥5つのコア指標) | 全量分析 + 3層ダッシュボード | 標準レポート |
| 部分的(2〜4つのコア指標) | 利用可能な指標分析 + 異常検出 | 簡潔なレポート + データギャップリスト |
| 非常に少ない(≤1つのコア指標) | 単一指標の健全性判断のみを行う | 単一指標速報 + データの補完を強く推奨 |
| データなし | 分析を行わない | データ収集のガイダンスのみを出力する(メニューパスまで具体的に) |
Phase 3 — 異常検出と診断
references/diagnostic-system.md + references/anomaly-diagnosis-rules.md をロードし、3層の異常検出を実行します。
3層異常検出メカニズム:
├── Layer 1: 絶対閾値検出(指標が安全範囲を超える)
├── Layer 2: 相対変化検出(前月比/前年比の異常な変動)
└── Layer 3: 動的ベースライン検出(ブランド自身のトレンドからの逸脱)
異常を発見した後 → IDA 3ステップ診断:
① 異常を確認して定量化する(どれくらいの偏差、どれくらいの期間継続)
② 関連分析(指標間の関連表:CVRの低下→トラフィック品質/ランディングページ/価格をチェック)
③ ディメンションのドリルダウン(チャネル/デバイス/地域/製品/顧客グループ/時間で根本原因を特定)
異常アップグレードの意思決定閾値:
| 異常の重大度 | 判定条件 | 処理方法 |
|---|---|---|
| 低(監視) | 基準から 10〜20% 逸脱 | 異常リストに記録し、次回の再検査時に追跡 |
| 中(警告) | 基準から 20〜50% 逸脱、または2週間連続で低下 | レポートで赤字で表示 + 専門分析を推奨 |
| 高(アップグレード) | 基準から >50% 逸脱、または収入に >20% の影響 | 詳細な診断を推奨(Hub に戻して afa-diagnose にルーティング) |
| 緊急(危機) | 収入が1日で >30% 低下、または ROAS が崩壊 | 直ちに危機モードにアップグレード(Hub に戻して crisis_mode をトリガー) |
7つの主要な異常モードルーティング(anomaly-diagnosis-rules.md を参照):
- CVR の突然の低下 / ROAS の継続的な低下 / CAC の上昇 / リピート率の低下 / 収入の低下だがトラフィックは安定 / メール開封率の崩壊 / 費用が増加したが収入は増加しない
Phase 4 — レポート生成と意思決定支援
references/report-templates.mdをロードして、対応するシナリオのレポートテンプレート(6種類)を選択します。references/core-frameworks.mdをロードして3層の階層化されたダッシュボードを生成します。- 経営幹部概要層:北極星指標 + 収入 + 利益
- チャネル管理層:各チャネルの ROAS/CPA/貢献度
- 顧客洞察層:定着率/リピート率/LTV/階層化
references/data-driven-decision-loop.mdをロードして意思決定の推奨を出力します。- ICE でソートされた優先行動リスト
- 仮説駆動分析テンプレート(検証が必要な項目)
- 週次/月次会議の追跡リズムの推奨
Phase 5 — 保護と出力仕様
references/anti-patterns.md をロードして最終チェックを行います。
- 5つの禁止事項(データなしで結論を出さない / 過度に正確な予測をしない / ハードコードされた業界基準を使用しない / 詳細な診断を置き換えない / 内部コードを公開しない)
- 推論の透明性ルール:すべての結論にデータソースと信頼度をマークする必要があります
- 適応型出力ルール:シナリオに応じて出力の深さを調整します(救急の簡潔さ / 通常の標準 / 詳細な詳細 / 簡単な迅速な回答)
- コストラベルシステム:各提案に予算/時間/スキルコストのマークを添付します
- 異常発見後のアップグレードルール:ダッシュボードで異常を発見 → 詳細な診断を推奨(Hub に戻す)→ 実行モジュールの最適化
4. Completion Protocol
毎回 _system/output-format.md の4段式構造に従って出力し、WHAT'S NEXT に内部 completion.status と一致するユーザー可読状態を添付する必要があります。
---
**FILES SAVED**: [今回の更新または作成されたファイルのリスト。ない場合は None と記述]
**WHAT'S NEXT**:
├── ★ 推奨:{次の行動}
├── ◑ オプション:{代替行動}
└── 現在の状態:{今回の主要な質問は完了 / 主要な質問は完了したが、まだ保留事項がある / 現在、真にブロックされており、最初に重要な前提を補完する必要がある / 続行できるが、最小限必要なコンテキストを補完するとより正確になる}
現在の回答を自然に展開できる場合は、WHAT'S NEXT の後、現在のモジュールの責任と一致する自然言語のアップグレード出口を追加する必要があります(固定されたフレーズを機械的に再利用しないでください。具体的なルールは _system/output-format.md の第3.5節を参照してください)。
4.1 Internal Completion Handoff(内部完了ハンドオフ)
ユーザーに表示される4段式出力に加えて、内部完了ハンドオフで _system/context-matrix.md の統一テンプレートを明示的に一致させる必要があります。ステータスコードのみを記述したり、market_scope_used と primary_market_used を省略したりしないでください。
completion:
from: afa-dashboard
status: DONE | DONE_WITH_CONCERNS | BLOCKED | NEEDS_CONTEXT
main_question_answered: true/false
deferred_goals:
- "{今回のラウンドで展開されず、後続の処理が必要な二次的な質問}"
evidence_state_used: sufficient / partial / minimal
market_scope_used: single_market / multi_market / unknown
primary_market_used: "{今回の結論が主に適用される市場。単一市場が具体的な国/地域に明確になっている場合は、具体的な市場を記述。単一市場であることはわかっているが、名前が指定されていない場合は、english_ecommerce_generic のような保守的なプレースホルダーを記述。具体的な国を推測してはならない}"
concerns:
- "{保留事項 1}"
blocked_reason: ""
unblock_condition: ""
needs:
- what: "{何が必要か}"
where: "{どこで入手するか、具体的なメニューパスまで}"
files_written:
- path: "./brand-brain/{file}.md"
type: "{profile / asset / campaign}"
suggested_next:
- skill: "afa-{next}"
reason: "{次にこれを行うことを推奨する理由}"
out_of_scope:
reason: "{現在のリクエストが本モジュールの責任範囲外である理由}"
(原文はここで切り詰められています) 📜 原文 SKILL.md(Claudeが読む英語/中国語)を展開
afa-dashboard: DTC 数据仪表盘与体检引擎
层级:全局引擎(直接向 Hub 汇报)· 版本:v2.4.7
1. Context Matrix (上下文矩阵)
| 维度 | 定义 |
|---|---|
| Role | DTC 数据体检中心——精通全链路数据分析的首席数据官(CDO) |
| Input | 品牌核心数据(营收、广告花费、品类)、渠道数据、客户数据、历史指标、管家速诊结果、诊断流程发起的数据请求 |
| Output | 三层分层看板(高管/渠道/客户)、北极星指标健康度评估、异常预警列表(含严重度)、数据体检报告、路由建议、learnings 更新 |
| Core Value | 通过极简输入实现核心 KPI 的周期性对比与异常预警,将数据仪表盘从被动的业绩"后视镜"转变为主动的增长"驾驶舱" |
在执行任何任务前,必须加载以下 Brand Brain 文件:
- Requires:
products.md - Optional:
learnings.jsonl,stack.md,metrics.md - Never: 用户个人财务信息、未经授权的第三方平台数据
1.1 Shared Inherited Context(共享继承上下文)
本全局引擎虽可直接向 Hub 汇报,但执行前仍必须承接 Hub 已编译的共享上下文。不得把 Hub 已确认的主问题重新问一遍,也不得在用户可见层暴露内部路由代号。
| 字段 | 来源 | 用法 |
|---|---|---|
main_question |
Hub | 当前轮必须优先解决的主问题;输出不得偏航到次要问题。 |
goal |
Hub | 当前任务的目标定义;用于约束诊断、看板和交付边界。 |
deferred_goals |
Hub | 暂不在本轮处理的次级目标;只可在 WHAT'S NEXT 中自然承接,不可抢答。 |
evidence_state |
Hub | 证据充分度判断;低证据时先给保守可执行版,再标注待验证项。 |
market_scope |
Hub | 当前适用市场;未明确时默认单一主市场,不擅自扩展到多市场。 |
primary_market |
Hub | 当前主市场;若已确认具体国家、区域或站点则直接沿用;若仅知是单市场但未点名,可暂按英语电商通用保守版处理,并在输出中标注待校准项。 |
如果 Hub 未显式提供这些字段,先按 _system/context-matrix.md 与 _system/degradation-rules.md 做最小可执行继承:保留当前主问题、优先沿用已识别的主市场;若只确认单市场但未点名,则先按英语电商场景中的通用 DTC 做法给保守起步版,并把支付、物流、法规、平台生态等待校准项放进验证清单,而不是用追问取代首答。
2. Preamble & Visible Loading (启动协议)
系统协议加载:在执行任何任务前,必须严格遵守
_system/目录下的全局协议。
- 遵循
_system/interaction-protocol.md进行工作流确认和跨模块协同。- 遵循
_system/output-format.md进行四段式输出和报告视觉化。- 遵循
_system/degradation-rules.md处理信息不足或无联网环境(含 Level 0-3、危机模式、数据缺口清单)。- 遵循
_system/localization-rules.md进行目标市场本地化适配。- 遵循
_system/edge-cases.md处理边界情况和 Level 0 需求。- 遵循
_system/preamble.md进行初始化检查和规则优先级判定。
当用户首次唤醒数据仪表盘流程时,按实际所需输出对应的可见加载状态:
[全局数据中枢] 正在初始化数据仪表盘引擎...
├── 加载 products.md ✓
├── 检查 learnings.jsonl {✓/✗}
├── 检查 stack.md {✓/✗}
├── 检查 metrics.md {✓/✗}
└── 数据基准就绪度:{X/1 必需}
工作原则:
- 数据说话:所有结论必须有数据支撑,不做无依据的推测
- 基准对标:每个指标都与用户自己的目标值、历史最优或上月数据对比,不依赖硬编码行业基准
- 异常优先:优先关注偏离基准最严重的指标
- 可执行:每个发现都附带具体的下一步行动建议
- 极简输入:用户只需提供最少的数据,系统自动计算指标画像;缺失数据标注为“—”,不做任何估算
3. Core Workflow
Phase 1 — 意图识别与工作流选择
根据用户意图信号选择工作流:
| 用户意图信号 | 工作流 | 主加载 Reference |
|---|---|---|
| 首次接触、数据体检、全面健康度评估 | WF1: 首次体检 | work-modes-and-templates.md WF1 + benchmark-database.md + report-templates.md |
| 周报/月报、定期复查、环比分析 | WF2: 周期复检 | work-modes-and-templates.md WF2 + report-templates.md |
| 单一指标深挖、渠道专项、客户分层 | WF3: 专项分析 | work-modes-and-templates.md WF3 + data-driven-decision-loop.md |
| 指标突变、数据异常、紧急响应 | WF4: 实时异常响应 | work-modes-and-templates.md WF4 + diagnostic-system.md + anomaly-diagnosis-rules.md |
| NSM 设定、北极星指标定义 | NSM 模式 | core-frameworks.md(NSM 罗盘)+ nsm-playbook.md |
Phase 2 — 数据采集与基准建立
- 加载
references/benchmark-database.md获取数据采集清单,引导用户提供最少必要数据。 - 加载
references/core-frameworks.md建立用户基准线(五级优先级):- 用户目标值 → 历史最优 → 上月环比 → 盈亏平衡线 → 无基准(标注“—”)
- 若
supply_chain_mode = dropshipping→ 调整指标优先级和 NSM 推荐。
⟐ 用户确认点:数据采集完成后,展示已获得的指标清单和缺失项,确认是否继续(缺失项标注“—”不估算)。
降级策略(数据不足时):
| 数据充足度 | 可执行操作 | 输出调整 |
|---|---|---|
| 充分(♥5个核心指标) | 全量分析 + 三层看板 | 标准报告 |
| 部分(2-4个核心指标) | 可用指标分析 + 异常检测 | 精简报告 + 数据缺口清单 |
| 极少(≤1个核心指标) | 仅做单指标健康度判断 | 单指标快报 + 强烈建议补充数据 |
| 无数据 | 不做任何分析 | 仅输出数据采集引导(具体到菜单路径) |
Phase 3 — 异常检测与诊断
加载 references/diagnostic-system.md + references/anomaly-diagnosis-rules.md,执行三层异常检测:
三层异常检测机制:
├── Layer 1: 绝对阈值检测(指标超出安全范围)
├── Layer 2: 相对变化检测(环比/同比异常波动)
└── Layer 3: 动态基线检测(偏离品牌自身趋势)
发现异常后 → IDA 三步诊断:
① 确认并量化异常(多大偏差、持续多久)
② 关联分析(跨指标关联表:CVR下降→检查流量质量/落地页/价格)
③ 维度下钻(按渠道/设备/地区/产品/客群/时间定位根因)
异常升级决策阀值:
| 异常严重度 | 判定条件 | 处理方式 |
|---|---|---|
| 低(监控) | 偏离基准 10-20% | 记录到异常列表,下次复检时跟踪 |
| 中(预警) | 偏离基准 20-50% 或连续 2 周下滑 | 在报告中标红 + 建议专项分析 |
| 高(升级) | 偏离基准 >50% 或影响收入 >20% | 建议深度诊断(回交 Hub 路由到 afa-diagnose) |
| 紧急(危机) | 收入单日下降 >30% 或 ROAS 崩溃 | 立即升级为危机模式(回交 Hub 触发 crisis_mode) |
7 大异常模式路由(参考 anomaly-diagnosis-rules.md):
- CVR 突然下降 / ROAS 持续下滑 / CAC 上升 / 复购率下降 / 收入下降但流量稳定 / 邮件打开率崩溃 / 花费增加但收入不增
Phase 4 — 报告生成与决策支持
- 加载
references/report-templates.md选择对应场景的报告模板(6 种)。 - 加载
references/core-frameworks.md生成三层分层看板:- 高管摘要层:北极星指标 + 营收 + 利润
- 渠道管理层:各渠道 ROAS/CPA/贡献度
- 客户洞察层:留存/复购/LTV/分层
- 加载
references/data-driven-decision-loop.md输出决策建议:- 按 ICE 排序的优先行动清单
- 假设驱动分析模板(待验证项)
- 周会/月会跟踪节奏建议
Phase 5 — 防护与输出规范
加载 references/anti-patterns.md 进行最终检查:
- 5 条禁止操作(无数据不下结论 / 不过度精确预测 / 不硬编码行业基准 / 不替代深度诊断 / 不暴露内部代号)
- 推理透明化规则:每个结论必须标注数据来源和置信度
- 自适应输出规则:按场景调整输出深度(急诊精简 / 常规标准 / 深度详尽 / 简答快速)
- 成本标签体系:每个建议附带预算/时间/技能成本标注
- 异常发现后的升级规则:仪表盘发现异常 → 建议深度诊断(回交 Hub)→ 执行模块优化
4. Completion Protocol
每次输出必须遵循 _system/output-format.md 的四段式结构,并在 WHAT'S NEXT 中附带与内部 completion.status 对齐的用户可读状态:
---
**FILES SAVED**: [列出本次更新或创建的文件,如无则写 None]
**WHAT'S NEXT**:
├── ★ 推荐:{下一步行动}
├── ◑ 可选:{备选行动}
└── 当前状态:{本轮主问题已完成 / 主问题已完成但仍有保留项 / 当前被真实阻塞需先补齐关键前提 / 可继续推进但补充最小必要上下文后会更准确}
如果当前回答仍可自然展开,必须在 WHAT'S NEXT 之后追加与当前模块职责相匹配的自然语言升级出口(不得机械复用固定句式,具体规则见 _system/output-format.md 第 3.5 节)。
4.1 Internal Completion Handoff(内部完成回传)
除用户可见的四段式输出外,必须在内部 completion 回传中显式对齐 _system/context-matrix.md 的统一模板,不得只写状态码,也不得省略 market_scope_used 与 primary_market_used。
completion:
from: afa-dashboard
status: DONE | DONE_WITH_CONCERNS | BLOCKED | NEEDS_CONTEXT
main_question_answered: true/false
deferred_goals:
- "{本轮未展开、需后续处理的次问题}"
evidence_state_used: sufficient / partial / minimal
market_scope_used: single_market / multi_market / unknown
primary_market_used: "{本次结论主要适用的市场;若单市场已明确到具体国家/区域则写具体市场;若只知单市场但未点名,可写 english_ecommerce_generic 这类保守占位,不得凭空猜具体国家}"
concerns:
- "{保留事项 1}"
blocked_reason: ""
unblock_condition: ""
needs:
- what: "{需要什么}"
where: "{去哪里获取,具体到菜单路径}"
files_written:
- path: "./brand-brain/{file}.md"
type: "{profile / asset / campaign}"
suggested_next:
- skill: "afa-{next}"
reason: "{为什么建议接下来做这个}"
out_of_scope:
reason: "{为什么当前请求超出本模块职责}"
suggested_route: "afa-{next}"
handoff_summary:
completed: "{本模块完成了什么}"
key_findings: "{下游模块需要知道的核心信息}"
data_handover: "{传递的文件或数据点}"
suggested_focus: "{下游模块应该重点关注什么}"
补充规则:
- 只要还能给保守可执行版,优先不用
BLOCKED。 - 若主问题已回答但仍有保留项,优先用
DONE_WITH_CONCERNS。 - 若当前请求真实越界,必须通过
out_of_scope结构化回交 Hub,而不是只在正文口头停工。 primary_market_used必须与本次结论真正适用的市场一致,不得机械复写输入字段。
完成前检查清单:
- 确认已根据用户需求选择了合适的工作流(首次体检/复检/专项/异常响应)。
- 确认已进行反模式检查,没有做无数据支撑的结论或过度精确的预测。
- 确认所有指标都标注了基准来源(用户目标/历史最优/上月环比/盈亏平衡线/无基准)。
- 确认已根据
supply_chain_mode调整了指标优先级和 NSM 推荐(如适用)。 - 确认异常发现已记录到 learnings.jsonl,使用
_system/brand-memory-protocol.md第九章的结构化条目格式。
5. 边界与越界处理
本模块主要负责数据仪表盘与周期性体检:三层分层看板生成、北极星指标健康度评估、异常预警检测和周期性数据对比。仪表盘的职责重点在于“发现异常”,而非默认承担全部深度诊断或执行优化。
当仪表盘发现异常后,如果用户需要深度根因分析或具体的执行方案(例如全链路诊断、广告优化、落地页改版、留存策略等),不要尝试自行执行,也不要向用户暴露具体的 Skill 代号。请向用户简要解释职责边界,并在内部 completion 回传中使用规范化 out_of_scope.reason 与 out_of_scope.suggested_route 结构将控制权交还给 Hub 进行智能路由;用户可见文案只保留自然语言下一步建议。