mcpField
M
meridian-scenario-planner

meridian-scenario-planner

github.com/google营销与增长1.6k57 次安装1 天前更新
代码仓库

关于 meridian-scenario-planner

此技能指导 Agent 从已拟合的 Meridian 模型生成 Scenario Planner 数据,并导出 proto 文件供 Colab 使用。流程涵盖参数配置,并要求每个阶段都经用户确认。

主要功能

  1. 01加载序列化的 Meridian 模型
  2. 02配置 Scenario Planner 规格
  3. 03生成并保存 proto 数据
  4. 04提供 Colab 笔记本交接信息
  5. 05在检查点暂停并征求确认

适用场景

  1. 01为 Scenario Planner 准备已拟合模型数据
  2. 02设置规划周期和预算调整范围
  3. 03导出供 Colab 使用的 proto 文件

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/google/meridian --skill meridian-scenario-planner

安装后在 Claude Code 中输入/meridian-scenario-planner确认已加载。

附带文件references/script_template.md

详细介绍

Meridian 场景规划器生成

此技能指导 Agent 生成场景规划器数据,将其序列化为 proto 文件以便交接给 Colab(无需进行 GCP 设置),并提供 Meridian Looker Studio 场景规划器 Colab 笔记本的链接。

前提条件

  • Agent 必须能够访问已拟合的 Meridian 模型(序列化为 meridian_model.binpb)。
  • 重要

    meridian_model.binpb 是一个二进制文件。切勿尝试使用文件查看工具或 grep 直接读取其内容,否则会导致无效的 UTF-8 错误。务必在 Python 脚本中使用 meridian_serde.load_meridian() 加载该文件。

核心工作流

交互检查点规则

在此工作流中,你会遇到关键交互检查点。在每个检查点,你必须:

  1. 向用户展示当前建议的配置、路径或状态,以供审批。
  2. 使用可用的用户交互工具(例如 ask_question),以多选题的形式询问用户是否准备好继续。切勿使用普通聊天文本。
  3. 等待用户回复后再继续。
    • 强制要求:无论初始提示中的指示如何,在每个检查点都必须暂停(即使用户请求中包含“自主运行”“直接执行”“自主修复”等措辞)。初始请求不能绕过这些交互检查点。
    • 注意:如果用户在检查点以笼统的肯定答复(例如“继续”“按你认为最好的方式做”),则采用建议的默认值继续。

1. 初始设置
  • 提示用户提供序列化模型文件的路径(默认为 meridian_model.binpb)。
  • 提示用户提供输出 proto 路径(默认为: model_build/scenario_planner_data.binpb)。
  • 提示用户提供生成的 Python 脚本所需路径。如果未指定,默认为 model_build/run_scenario_planner.py(或相对于模型目录的路径)。
  • 关键交互检查点:向用户展示收集到的路径,并在配置规范参数前取得确认。
2. 配置场景规划器规范并进行交互检查
  • 提示用户提供以下场景规划器规范配置(或确认默认值):
    • optimization_name(String,例如 "Scenario Planner")
    • include_non_paid_channels(Boolean,默认:True)
    • 时间粒度:yearly(默认:False)、quarterly(默认:True)、 monthly(默认:False)
    • min_spend_shift_ratio(Float,范围 0-1,默认:1.0)
    • max_spend_shift_ratio(Float > 0,默认:1.0)
    • use_optimal_frequency(Boolean,默认:True)
    • max_frequency(Float > 0,默认:10.0)
  • 关键交互检查点:向用户展示建议的场景规划器规范配置,并在继续加载模型前取得批准。
3. 添加模型加载代码
  • 使用 meridian_serde.load_meridian() 加载模型。
  • 代码模板请参阅 script_template.md。
  • 关键交互检查点:向用户展示模型加载路径配置和建议的 Python 代码片段,并在继续生成数据前取得批准。
4. 添加场景规划器数据生成和 Colab 交接代码
  • 根据用户提供的配置,为 ModelFitSpec、MarketingAnalysisSpec 和 BudgetOptimizationSpec 创建规范。
  • 使用 mmm_ui_gen.create_mmm_ui_data_proto() 创建 proto,其中包括 所请求的时间拆分生成器。
  • 将 proto 序列化并保存到磁盘(例如: model_build/scenario_planner_data.binpb)。
  • 指示用户将保存的文件上传到 Meridian 场景规划器 Colab 笔记本: https://colab.research.google.com/github/google/meridian/blob/main/demo/Meridian_Scenario_Planner_Beta.ipynb
  • 代码模板请参阅 script_template.md。
  • 关键交互检查点:向用户展示拟定的场景规划器规范配置和导出代码片段,并在继续前征得用户批准。
5. 执行前检查点
  • 关键交互检查点:询问用户是否最终确认现在执行场景规划器生成脚本。
6. 执行和脚本设置
  • 将累积的 Python 脚本写入用户指定的路径。如果你的文件写入工具可以让用户审核已写入的文件,请勿请求审核:执行前检查点已征求批准,额外提示会暂停工作流。
  • 可参考 script_template.md 中的完整脚本模板。
  • 使用安装了 google-meridian 的环境中的 Python 解释器执行脚本:优先使用用户指定的解释器;否则,如果虚拟环境已激活(设置了 VIRTUAL_ENV 或 CONDA_PREFIX),则使用 python3;否则,如果项目目录中存在虚拟环境(.venv/ 或 venv/,例如 .venv/bin/python3),则使用该环境;其他情况下使用 python3。如果 import meridian 失败,请询问用户应使用哪个环境,不要擅自搜索整台机器或安装软件包。
  • 如果脚本在后台持续运行,请等待其完成,并在报告结果前检查最终输出。
  • 重要:任务结束时不要删除生成的脚本、输出 proto 文件或交付物。这些是用户要求提供的交付物,必须保留。

评论

支持 Markdown