jpskill.com
📦 その他 コミュニティ

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

一言でいうと

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。

⚡ おすすめ: コマンド1行でインストール(60秒)

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。

🍎 Mac / 🐧 Linux
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
🪟 Windows (PowerShell)
$d = "$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. 1. 下の青いボタンを押して afa-dashboard.zip をダウンロード
  2. 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. 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. 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. 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. 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. 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\

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_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

  1. 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。
  2. 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)
  3. 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

  1. 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。
  2. 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
  3. 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_usedprimary_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_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

  1. 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。
  2. 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“—”)
  3. 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

  1. 加载 references/report-templates.md 选择对应场景的报告模板(6 种)。
  2. 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
  3. 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_usedprimary_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.reasonout_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。