---
name: skill-hub-guide
description: Data Skill-Hub 技能仓库使用指南。在执行任何数据分析任务前，必须优先加载此技能以了解可用技能体系和调用规范。
---
# skill-hub-guide
Data Skill-Hub 是由资深数据分析专家团队设计、经过大量真实业务场景验证的通用技能仓库。每个 SKILL 都凝结了专家级分析方法论和工程最佳实践，覆盖了从意图识别、计划生成、取数、计算到报告产出的完整数据分析链路。
严格遵循本仓库中的 SKILL 定义，你将获得专家级的分析质量——逻辑严谨、结论有据、产物规范。偏离 SKILL 定义则会导致分析遗漏、结论失准或产物不可用。
**你的所有数据分析行为必须由 SKILL 驱动，严格遵循各 SKILL.md 中定义的执行步骤和规则，不得自行发挥。**
---
## 核心原则
1. **SKILL 即规范**：每个 SKILL.md 由领域专家编写，定义了该能力唯一正确的执行流程。即使你认为可以简化，也必须完整遵循
2. **脚本优先**：有脚本（scripts/）必须调脚本，不可用时才降级为自行实现
3. **参数优先级**：用户显式指定 > 域知识包 > 语义层接口 > SKILL 默认值
4. **按需调用**：禁止一次性预读所有 SKILL，根据当前执行到的子任务和步骤逐个加载对应 SKILL
---
## 技能体系
### 分层架构
技能按所在目录划分为 6 层。下表中「目录」一栏即 `skills/` 下的物理目录，新增 SKILL 时按其能力归属放入对应目录，并在本表登记。
| 层级 | 目录 | 职责 | SKILL |
| ---- | ---- | ---- | ----- |
| L0 路由 | `skills/routing/` | 判定用户意图属于哪种任务类型（查询/分析/建模/报告/非数据），将请求分发至对应处理链路 | `data-intent-router` |
| L1 规划 | `skills/planning/` | 补充上下文、匹配分析模块和指标，将用户需求转化为结构化的可执行分析计划 | `analysis-plan-builder` |
| Workflows | `skills/workflows/` | 按分析计划编排原子技能与取数能力，完成从数据获取到结论汇总的完整分析流程 | `fetch-data`（取数）
`bi-metric-analysis`（指标观测与异常归因）
`bi-retention-analysis`（留存率分析）
`bi-conversion-analysis`（转化率分析）
`bi-cohort-analysis`（同期群分析） |
| Atomic | `skills/atomic/` | 执行单一、独立的分析动作（计算、检测、下拆、归因、聚类、报告等） | **指标观测与计算**：`bi-metric-observation`、`bi-retention-rate`、`bi-conversion-rate`
**异常检测与阈值**：`bi-anomaly-detection`、`bi-adaptive-threshold`
**归因与下钻**：`bi-dimension-drilldown`、`bi-attribution-analysis`、`bi-time-impact-attribution`、`bi-new-dimension-analysis`
**统计与画像**：`bi-event-analysis`、`bi-funnel-analysis`、`bi-comparison-analysis`、`bi-distribution-analysis`、`bi-clustering`、`bi-ltv-analysis`
**报告输出**：`bi-report-generation` |
| Runtime | `skills/runtime/` | 横切面强制规范，约束所有层的执行行为（产物落盘、数据复用、异常处理、语义层查询） | `runtime-guide`、`bi-semantic-layer-guide` |
| Meta | `skills/meta/` | 仓库使用与协作约定，加载其它任何 SKILL 之前必须先读 | `skill-hub-guide`（本文件） |
### 典型调用链路
下面给出几种常见任务类型的链路。Runtime 层（`runtime-guide`、`bi-semantic-layer-guide`）在所有链路里**全程生效**，不再在每条链路中重复展开；`fetch-data` 在任何需要新取数的链路前置生效。
#### 1. BI 业务分析链路（任务类型 = 2a）
由 `data-intent-router` 判定为业务分析后，由 `analysis-plan-builder` 给出结构化计划，再根据计划落到具体的 workflow。
**1.1 通用指标分析（含异常归因）**
```
用户问题
→ L0 data-intent-router 判定为 BI 业务分析（2a）
→ L1 analysis-plan-builder 生成结构化分析计划，确认指标与角色
→ Workflows fetch-data 按计划取数落盘
→ Workflows bi-metric-analysis 编排以下原子技能：
→ bi-metric-observation
观测北极星指标表现，确认基准数据
→ bi-anomaly-detection
对北极星指标做异常检测
├─ [无外部阈值] → bi-adaptive-threshold 自适应计算阈值
└─ [有域知识包/用户指定阈值] → 直接使用
├─ [发现异常]
│ → bi-dimension-drilldown
│ 按归因维度逐层下拆
│ └─ bi-attribution-analysis 计算贡献度（定位哪个维度异常）
│ → [可选] bi-causal-attribution
│ 从外部文档证据（周报/活动记录/产品发布）中解释"为什么"
│ └─ [可选] bi-time-impact-attribution
│ 量化已找到的事件影响度
│ → [无外部证据时] bi-time-impact-attribution
│ 直接拆解结构变动/趋势变动/事件影响
│ └─ [需要阈值] → bi-adaptive-threshold
└─ [未发现异常] 继续
→ bi-new-dimension-analysis
识别新增维度值并评估表现
→ Atomic bi-report-generation （如需输出报告）生成 HTML 报告
```
**1.2 留存率分析**
```
用户问题（涉及次日/第 N 日留存、访问/使用留存、留存差异等）
→ L0 data-intent-router 判定为 BI 业务分析（2a）—— 留存子类
→ L1 analysis-plan-builder 明确留存锚点、留存指标、对比范围
→ Workflows fetch-data 取数（day0 / dayn 用户数）
→ Workflows bi-retention-analysis 编排：
→ [可选] bi-clustering 按用户特征分群
→ bi-retention-rate 计算各群/整体的留存率
→ [可选] bi-comparison-analysis 跨时间/群体/留存类型对比
→ Atomic bi-report-generation （如需输出报告）
```
**1.3 转化率分析**
```
用户问题（涉及转化率、阶段转化、转化变化归因等）
→ L0 data-intent-router 判定为 BI 业务分析（2a）—— 转化子类
→ L1 analysis-plan-builder 明确转化口径、起止行为、对比范围
→ Workflows fetch-data 取数（分子/分母用户数或事件数）
→ Workflows bi-conversion-analysis 编排：
→ [可选] bi-clustering 按用户/产品特征分群
→ bi-conversion-rate 计算各群/整体的转化率
→ [可选] bi-anomaly-detection 对转化率序列做异常检测
→ [可选] bi-comparison-analysis 跨时间/群体/渠道对比
→ Atomic bi-report-generation （如需输出报告）
```
**1.4 同期群（cohort）分析**
```
用户问题（按起始特征分群后跟踪后续表现）
→ L0 data-intent-router 判定为 BI 业务分析（2a）—— cohort 子类
→ L1 analysis-plan-builder 明确起始特征、跟踪指标、观察窗口
→ Workflows fetch-data 取数（cohort 划分依据 + 后续期表现指标）
→ Workflows bi-cohort-analysis 编排：
→ bi-clustering 按起始特征划分 cohort
→ 后续表现指标计算 按需调用 bi-retention-rate / bi-conversion-rate / bi-metric-observation 等
→ bi-comparison-analysis 跨 cohort 对比
→ Atomic bi-report-generation （如需输出报告）
```
#### 2. 数据探索链路（任务类型 = 2b）
```
用户问题
→ L0 data-intent-router 判定为数据探索（2b）
→ L1 analysis-plan-builder 数据探查 + 生成子任务序列
→ Workflows fetch-data 按子任务序列按需取数
→ 按子任务序列调用 Atomic：
bi-distribution-analysis（分布、缺失、异常值）、
bi-event-analysis（事件计数与聚合）、
bi-clustering（密度型子结构发现）等
→ 无固定 Workflows 编排，由 agent 按计划串接
```
#### 3. 统计建模链路（任务类型 = 2c）
```
用户问题（聚类、画像、假设检验等）
→ L0 data-intent-router 判定为统计建模（2c）
→ L1 analysis-plan-builder 明确建模目标、特征、评估口径
→ Workflows fetch-data 取建模所需样本数据
→ 按目标调用 Atomic：
bi-clustering（聚类/象限/分层）、
bi-comparison-analysis（显著性/差异检验）等
→ Atomic bi-report-generation （如需输出报告）
```
#### 4. 定量计算链路（任务类型 = 2d）
```
用户问题（已知公式的指标计算，如 LTV、漏斗、转化、留存、分布等）
→ L0 data-intent-router 判定为定量计算（2d）
→ Workflows fetch-data 取计算所需数据
→ 直接调用对应 Atomic：
bi-ltv-analysis、bi-funnel-analysis、bi-conversion-rate、
bi-retention-rate、bi-event-analysis、bi-distribution-analysis 之一或多个
→ 返回计算结果（一般无需走 L1 规划）
```
#### 5. 报告生成链路（任务类型 = 2e）
```
上下文中已有分析结论
→ L0 data-intent-router 判定为报告生成（2e）
→ Atomic bi-report-generation 将既有结论组织为可视化 HTML 报告
```
#### 6. 数据查询链路（任务类型 = 1a / 1b）
```
用户问题
→ L0 data-intent-router 判定为元数据查询（1a）或数据查询（1b）
→ Workflows fetch-data 直接取数或读元数据返回，不经过规划和分析流程
```
---
## 强制约束
### 必须做
- 每个步骤必须查阅对应 SKILL.md，按其定义的步骤顺序执行
- 产物必须落盘，遵循 `runtime-guide` 定义的目录和命名规范；取数产物遵循 `fetch-data` 定义的存储路径
- 同一份数据只获取一次，不重复计算
- 异常如实记录，不隐藏、不替代、不编造
- 语义层可用时，按 `bi-semantic-layer-guide` 优先查询指标定义与维度信息，再进入业务计算
### 禁止做
- 禁止跳过 SKILL 定义的步骤（如跳过异常检测直接归因、跳过取数直接编结果）
- 禁止忽略脚本（脚本可用时不得自行实现替代）
- 禁止编造数据（所有数字必须来自数据文件）
- 禁止自行发明分析方法（SKILL 未定义的方法不得使用）