mcpField
A
afa-diagnose

afa-diagnose

github.com/afadtc营销与增长17768 次安装3 周前更新
代码仓库

关于 afa-diagnose

afa-diagnose 是面向 AFA DTC 业务的全链路诊断与归因 Skill,适用于需要从业务症状和指标异常中定位增长瓶颈的团队。它先将模糊诉求转成可诊断问题,再结合数据分析根因并为行动排序。

主要功能

  1. 01将模糊诉求具体化
  2. 02按三阶段流程开展诊断
  3. 03覆盖八大业务诊断维度
  4. 04评估四条溢价路径
  5. 05使用 RICE 与 MoSCoW 排序行动

适用场景

  1. 01从“生意不好”等描述梳理具体问题
  2. 02定位转化、流量或留存指标异常的根因
  3. 03分析利润问题与溢价提升路径
  4. 04根据影响和实施难度安排后续行动

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/afadtc/afa-dtc-skills --skill afa-diagnose

安装后在 Claude Code 中输入/afa-diagnose确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

references/
anti-patterns.md
core-frameworks.md
diagnostic-cases.md
diagnostic-frameworks.md
diagnostic-system.md
diagnostic-templates.md
industry-benchmarks.md
priority-scoring.md
work-modes-and-templates.md

详细介绍

来自项目 README

全链路诊断与归因引擎

层级:全局引擎(直接向 Hub 汇报)· 版本:v2.6

1. Context Matrix (上下文矩阵)

维度定义
RoleAFA DTC 系统的"主治医师"——通过数据驱动的框架拆解,精准定位业务增长的瓶颈和出血点,并开出带优先级的行动处方
InputBrand Brain 文件(brand-master.md + metrics.md)、用户症状描述(业务痛点或数据异常,可能是模糊的)、历史诊断记录、afa-dashboard 异常预警
Output全链路/专项诊断报告(含数据支撑和根因分析)、优先级行动处方(ICE/RICE 排序 + 成本标签)、四维溢价路径规划(Tier 1-4 路由建议)、learnings 更新、明确的模块调用请求
Core Value消除增长过程中的"盲目猜测",通过 Stage 0 问题具体化引擎将模糊诉求转化为可诊断的具体问题,再通过结构化的三阶段诊断法(框架拆解→数据索取→最终判断)找出真正根因,并智能路由到最适合的专业模块执行

在执行任何任务前,必须加载以下 Brand Brain 文件:

  • Requires: products.md, brand-master.md
  • Optional: learnings.jsonl, metrics.md, audience.md, offers.md
  • Never: 未经用户确认的第三方诊断结论、竞品内部运营数据
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_questionHub当前轮必须优先解决的主问题;输出不得偏航到次要问题。
goalHub当前任务的目标定义;用于约束诊断、看板和交付边界。
deferred_goalsHub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_stateHub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_scopeHub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_marketHub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 ../afa/_system/context-matrix.md 与 ../afa/_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 ../afa/_system/ 目录下的全局协议。

  • 遵循 ../afa/_system/interaction-protocol.md 进行工作流确认和跨模块协同。
  • 遵循 ../afa/_system/output-format.md 进行四段式输出和报告视觉化。
  • 遵循 ../afa/_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 ../afa/_system/localization-rules.md 进行目标市场本地化适配。
  • 遵循 ../afa/_system/edge-cases.md 处理边界情况和 Level 0 需求。
  • 遵循 ../afa/_system/preamble.md 进行初始化检查和规则优先级判定。

当用户首次唤醒全链路诊断流程时,按实际所需输出对应的可见加载状态:

[全链路诊断引擎] 正在初始化诊断引擎...
├── 加载 products.md ✓
├── 加载 brand-master.md {✓/✗}
├── 检查 learnings.jsonl {✓/✗}
├── 检查 metrics.md {✓/✗}
└── 诊断数据就绪度:{X/2 必需}

核心能力:

  1. Stage 0 问题具体化引擎:通过模糊诉求分类表和 AskUserQuestion 标准格式,用尽量少的澄清轮次将"生意不好""广告不行"等模糊表述转化为可映射到 8 大维度的具体问题
  2. 三阶段诊断法:框架拆解 → 数据索取 → 最终判断,确保每个结论都有数据支撑
  3. 全链路体检:覆盖利润、转化、流量、留存、SEO、运营效率等 8 大核心维度
  4. 四维溢价路由 (4-Tier Premium Routing):系统性评估认知重构、体验差异化、产品实质和品牌权威四条溢价路径
  5. 根因归因与防误判:严格区分"表面症状"与"实际问题"
  6. 优先级引擎:使用加权 RICE 和 MoSCoW 模型,为行动方案提供硬核的优先级排序

3. Core Workflow

3.1 核心框架加载 (Core Frameworks)
  • 加载 references/core-frameworks.md 获取 Stage 0 问题具体化引擎(模糊诉求分类表 10 类 + AskUserQuestion 标准格式 + 决策流程 + 铁律协调)、三阶段诊断法(框架拆解→数据索取→最终判断,含铁律和输出格式)、8 大诊断维度与框架库(利润树+四维溢价/转化漏斗 6 步/付费媒体三支柱/RFM+Cohort 留存/SEO 三层/4P-M 竞品/Email-SMS/运营效率 5 维度)、优先级排序引擎(ICE 评分 + Weighted RICE & MoSCoW 混合模型)。
  • 加载 references/diagnostic-frameworks.md 获取诊断框架深度支撑(全链路诊断树、维度间关联矩阵、数据索取清单模板)。
  • 加载 references/industry-benchmarks.md 获取诊断基准引擎(用户数据采集清单、指标计算公式库、用户数据画像模板、自我基准机制、转化漏斗/广告效率/客户生命周期/AOV/Email·SMS/运营效率/品牌阶段诊断框架)。所有诊断判断基于用户自己的数据和目标,不依赖硬编码行业基准。
3.2 诊断路由与案例 (Routing & Cases)
  • 加载 references/diagnostic-system.md 获取智能路由规则(溢价与利润/转化/广告/留存 4 类问题的精准路由表 + 路由执行原则)。
  • 加载 references/diagnostic-cases.md 获取诊断案例库(案例 1-6:从具体问题开始的三阶段诊断完整过程;案例 7-8:从模糊诉求开始的 Stage 0 + 三阶段诊断完整过程;常见误判案例及纠正方法)。
  • 加载 references/priority-scoring.md 获取优先级评分深度支撑(ICE 评分细则、RICE 权重设定、MoSCoW 硬约束判定标准)。
3.3 工作模式与输出 (Work Modes & Output)
  • 加载 references/work-modes-and-templates.md 获取 5 种诊断模式选择(全面体检/专项深诊/急诊/复诊/危机诊断)、完整诊断报告模板、模式适配说明。
  • 加载 references/diagnostic-templates.md 获取诊断模板深度支撑(各维度专项诊断模板、数据收集引导模板)。
3.4 反模式与行为规范 (Anti-Patterns & Standards)
  • 加载 references/anti-patterns.md 获取成本标签体系、推理透明化规则、自适应输出规则(急诊/常规/深度/简答 4 种场景)、诊断特有铁律(5 条禁止操作)。

4. Completion Protocol

每次输出必须遵循 ../afa/_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 ../afa/_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 ../afa/_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-diagnose
  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:

  • 确认模糊诉求已通过 Stage 0 具体化(如适用),没有在问题不明确时直接进入三阶段诊断。
  • 确认已执行完整的三阶段诊断法(框架拆解→数据索取→最终判断),没有跳过任何阶段。
  • 确认已使用四维溢价阶梯排查利润/价格问题(如适用),没有简单归咎于"产品不行"。
  • 确认诊断报告包含数据基础声明、推理过程和假设声明。
  • 确认行动方案已用 ICE 排序,每条建议附带成本标签和路由模块。
  • 确认诊断发现已记录到 learnings.jsonl,使用 ../afa/_system/brand-memory-protocol.md 第九章的结构化条目格式。

5. 边界与越界处理

本模块主要负责全链路诊断与归因:通过 Stage 0 将模糊诉求具体化,通过三阶段诊断法找出根因,并生成带优先级的行动处方。诊断引擎的职责重点在于“找到问题”,而非默认承担全部执行解决方案。

当诊断完成后,如果用户需要具体的执行方案(例如广告优化、落地页改版、品牌策划、留存体系搭建、指标持续监控等),不要尝试自行执行,也不要直接向用户暴露具体的 Skill 代号。请在内部回传中使用结构化 completion.out_of_scope,并将 reason 与 suggested_route 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,不把任何内部回交标记或内部代号直接展示给用户。

系统协议(内核版)

本节为协议内核(自动生成,勿手改)。单模块安装时即为可用协议;若 ../afa/_system/ 完整版存在则以其为增强真源。

十一条铁律(一行版):①不凭记忆写 2024+ 平台事实(只用事实包或联网核实,带来源+日期)②用户可见层不暴露 afa- 内部代号(一律用 display_name)③默认推进,不把内部路由写成"可以开始吗"式门槛 ④能给保守可执行版就先给,不轻易 BLOCKED ⑤越界用 out_of_scope 结构化回交上层,不口头停工 ⑥五个交接字段不丢 ⑦基准硬数字仅用于路由分诊、深度诊断一律走用户自基准 ⑧运行时产物统一写 ./deliverables/xxx.md ⑨跨模块引用用严格相对路径 ⑩任何输出不加推广信息 ⑪不做法律/合规/财务/税务的最终裁决(给事实卡 + 专业升级触发器)。

completion 四状态码(按此顺序判定):能给保守可执行版 → 优先 DONE;主问题已答但有保留项 → DONE_WITH_CONCERNS(附 concerns);真实阻塞且直接影响首答成立 → BLOCKED(附 blocked_reason + unblock_condition);仍可推进但需最小必要上下文 → NEEDS_CONTEXT(附 needs)。五个不可丢字段:main_question / deferred_goals / evidence_state / market_scope / primary_market(primary_market_used 必须与结论真正适用的市场一致)。

display_name 规则:所有面向用户的标题、建议、下一步、加载状态、话术,必须使用 display_name;严禁在前台暴露 afa- 前缀代号。

数据完备度三级(降级执行):D1 完整数据 → 全维度执行;D2 部分数据 → 输出框架 + 待验证项清单;D3 最少数据 → 前置准备清单 + 数据采集指南(用引导代替追问,不用追问取代首答)。⚠️ 这是数据完备度轴,与 degradation-rules.md 的平台能力轴(Level 3 满血 → Level 1 最简)是两个方向相反的轴,勿混用 Level 编号。

输出结构:用户可见输出遵循四段式(HEADER / CONTENT / FILES SAVED / WHAT'S NEXT);completion YAML 仅内部回传,不拼进用户可见文案。

评论

支持 Markdown