quality-report

/digital-marketing-pro:quality-report

用途

随时间变化的质量洞察报告。展示数天和数周内评估分数的趋势，识别哪些内容类型的质量正在提升或下降，检测质量低于既定基线的回归警报，呈现品牌表现最佳和最差的内容，并提供可操作的建议，帮助整个组织提升内容质量。

此命令将 /digital-marketing-pro:eval-content 记录的评估数据转化为战略洞察。它不会评估单篇内容，而是分析所有评估结果的整体规律，回答以下问题：我们的内容质量是在提升还是下降？哪些内容类型表现最出色？哪些维度最需要改进？是否存在需要处理的回归问题？哪些具体改动最能提升整体质量？

所需输入

用户必须提供（或将收到提示以提供）：

• 时间段（可选）：报告时间范围——7d、14d、30d、60d、90d，或自定义日期范围（YYYY-MM-DD to YYYY-MM-DD）。默认为 30 天。较长的时间段有助于更清楚地查看趋势，但可能包含流程变更前的过时数据
• 内容类型筛选条件（可选）：聚焦特定内容类型的报告——blog_post、email、ad_copy、social_post、landing_page、press_release、content_brief、campaign_plan 或 all。默认为所有类型。适用于深入分析某一特定内容流的质量走势
• 维度焦点（可选）：聚焦特定评分维度——content_quality、brand_voice、hallucination_risk、claim_verification、output_structure、readability 或 all。默认为所有维度。适用于团队正致力于改善某一特定质量方面的情况

流程

1. 加载品牌背景：读取 ~/.claude-marketing/brands/_active-brand.json 获取当前启用的 slug，然后加载 ~/.claude-marketing/brands/{slug}/profile.json。应用品牌质量标准和行业背景进行基准比较。还要检查 ~/.claude-marketing/brands/{slug}/guidelines/_manifest.json 中是否有指南——如果存在，加载其中的质量目标或 SLA 定义。检查 ~/.claude-marketing/sops/ 中是否有代理机构的 SOP——代理机构工作流可能会为客户交付成果定义最低质量门槛。如果不存在品牌，请询问：“先设置品牌吗（/digital-marketing-pro:brand-setup）？”——或者使用默认设置继续。
2. 获取质量趋势：执行 scripts/quality-tracker.py --brand {slug} --action get-trends --days {period}，检索时间序列评估数据——包括报告时间窗口内绘制的综合分数和各维度分数。如果应用了内容类型筛选器，请传入 --content-type {content_type}。此命令会返回每日和每周汇总、移动平均值以及趋势方向指标。
3. 获取质量摘要：执行 scripts/quality-tracker.py --brand {slug} --action get-summary --days {period}，检索汇总统计数据——包括评估总数、综合平均分、等级分布（各有多少个 A、B、C 等）、通过／未通过／待审核明细，以及各维度的平均值和标准差。
4. 检查质量退化：执行 scripts/quality-tracker.py --brand {slug} --action check-regression --days {period}，检测具有统计显著性的质量下降。质量退化检测器会将最近 7 天的平均值与整个周期的基准值进行比较，并标记任何质量下降超过一个标准差的维度或内容类型。每条质量退化警报都包含严重程度（轻微、中度、严重）、受影响的维度或内容类型、基准值、当前值以及趋势方向。
5. 获取最佳和最差内容：执行 scripts/quality-tracker.py --brand {slug} --action get-best --days {period} --limit 5 和 scripts/quality-tracker.py --brand {slug} --action get-worst --days {period} --limit 5，检索该周期内得分最高和最低的评估结果。这些结果会提供具体示例，展示该品牌的优质和低质量内容是什么样的。
6. 分析规律：综合趋势数据、汇总统计数据、质量退化警报以及最佳／最差示例，找出可执行的规律：
   • 哪些内容类型的得分一直最高或最低——它们的差异是什么
   • 哪些维度是品牌的优势和弱项——以及它们与常见问题的关联
   • 质量趋势是在上升、稳定还是下降——以及哪些转折点与哪些因素相关（流程变更、团队变动、新模板、指南更新）
   • 表现最佳的内容有哪些共同点，而表现最差的内容又有哪些共同点
   • 是否存在星期几或产量效应（内容产出增加时质量是否会下降）
7. 生成建议：根据规律分析，提出具体且按优先级排序的质量改进建议。每条建议都应包含所针对的问题、预期影响（涉及哪个维度及影响幅度）、建议采取的行动（流程变更、模板更新、培训重点、工具配置），以及一个具体示例。请参阅 skills/context-engine/eval-rubrics.md，了解针对特定维度的改进策略。
8. 整理为适合管理层阅读的报告：报告结构应便于快速浏览（含关键指标的执行摘要），也便于详细审阅（含完整趋势数据、质量退化详情，以及附有理由的建议）。

输出

结构化的质量情报报告，包含：

• 执行摘要：3–5 条要点概述——统计周期内的评估总数、综合评分平均值及等级、质量趋势方向（改善／稳定／下降及百分比变化）、回归警报数量，以及影响最大的一条建议
• 整体质量指标：评估总数、综合评分平均值、中位数、标准差、等级分布（每个字母等级的数量和百分比）、通过／失败／待审核情况（数量和百分比），以及与上一周期的对比（如有数据）
• 每周趋势图：以文本形式展示报告周期内每周的综合评分——使用简单的 ASCII 图表或结构化表格，列出每周平均分、最高分、最低分和评估数量。包含趋势线指示（上升、持平、下降）及周环比变化百分比
• 内容类型排行榜：按综合评分平均值排序的内容类型表格——显示内容类型、评估数量、综合评分平均值、等级、表现最佳的维度、表现最差的维度和趋势方向。标明改善最快和下降最明显的内容类型
• 维度表现明细：针对六个评分维度中的每一个，列出平均分、趋势方向、失败数量（低于阈值）、最常见的问题，以及该维度得分最低的内容类型。如果指定了重点维度，则对该维度提供深入分析，包括评分分布直方图和失败模式分类
• 回归警报：针对每项回归，列出严重程度（轻微／中等／严重）、受影响的维度或内容类型、基准值、当前值、下降幅度（分值和百分比）、回归可能开始的时间范围，以及根据与其他数据点的相关性推测的潜在原因。按严重程度排序，严重回归优先
• 表现最佳的内容：得分最高的 5 项评估，列出内容类型、综合评分、等级、突出维度，以及内容得分较高的原因——提供可复用的实用模式
• 表现最差的内容：得分最低的 5 项评估，列出内容类型、综合评分、等级、未通过的维度，以及导致得分下降的具体问题——提供应避免的实际问题
• 质量改进建议：按优先级排列的 3–7 条具体建议，每条包含：
  • 所针对的问题或模式
  • 预期影响（哪些维度会改善及改善幅度）
  • 具体行动（更新模板、配置阈值、调整流程、针对某个维度开展培训）
  • 具体示例或前后对比说明
  • 所需投入（快速见效、适度投入、重大投入）
• 与上一周期的对比：如果有足够的历史数据，则并排比较当前周期与上一同等周期的关键指标——展示综合评分、通过率、各维度平均分和回归数量的改善或下降情况

使用的 Agent

• quality-assurance — 从评估日志中检索并汇总质量数据；通过统计基准对比检测回归；识别表现最佳／最差的内容并提取模式；计算等级分布；计算报告时间范围内的趋势
• analytics-analyst — 解读趋势并分析各内容类型和维度中的模式；识别质量变化与流程或团队因素之间的相关性；依据数据模式而非泛泛建议生成改进建议；综合执行摘要；结合统计背景进行周期对比分析