feedback-analyzer

用途

feedback-analyzer 通过分析使用数据、反馈、指标和结果来评估技能的有效性。其目的是以数据驱动的方式理解哪些做法有效、哪些无效。

收集使用数据（Collect Usage Data）：收集技能使用情况的数据。数据来源包括构建时间（构建技能需要多长时间）、使用频率（哪些技能使用最多）、有效性指标（技能是否达到目的）、质量评分（来自评审）、用户反馈（满意度、问题）。流程为：识别数据来源、收集可用指标、记录使用模式、整理数据以供分析。输出为使用数据收集结果，耗时 30-60 分钟。
衡量有效性（Measure Effectiveness）：量化技能的影响与 ROI。指标包括节省时间（与不使用工具相比）、质量改进（前后对比）、效率提升（加快的百分比）、使用率（使用频率）、满意度（用户评分）。流程为：定义有效性标准、计算指标、与基线或目标对比、评估 ROI。输出为带证据的有效性测量结果，耗时 45-90 分钟。
分析趋势（Analyze Trends）：识别有效性随时间变化的模式。流程为：绘制指标随时间的变化、识别趋势（改善/退化/稳定）、发现相关性、检测异常。输出为带洞察的趋势分析，耗时 45-90 分钟。
提取洞察（Extract Insights）：从数据中生成可执行的洞察。流程为：综合发现、识别高影响洞察、提出建议、对行动排定优先级。输出为数据驱动的洞察与建议，耗时 30-60 分钟。

该工具以基于任务的操作方式运行，围绕上述四个操作展开。每个操作有明确的流程、输出和预计耗时。使用时需先具备技能的使用数据，然后依次或按需执行收集数据、衡量有效性、分析趋势、提取洞察等操作。

资料中提供了一个开发工具包的有效性分析示例：

使用数据（技能 1-23）：构建时间 2h - 20h（平均 6.8h）；效率比基线快 35% - 97%（平均 85%）；质量 100% 通过率（5/5 结构）。

有效性指标：节省时间总计 392 小时（减少 85%）；质量保持（100% Grade A）；完成率 100%（全部 23 个完成）；ROI：节省 392h / 投入 68h = 576% ROI。

趋势：改善——效率复合增长（72% → 97%）；稳定——质量一致（全部 5/5）；平台期——简单技能效率在约 85-90% 趋于平稳。

洞察：1. 工具包高度有效（576% ROI，85% 效率）；2. 在提速的同时保持质量（100% 通过率）；3. 效率在 85-90% 处趋于平稳（无法低于某些最短时间）；4. 复杂技能仍能受益（快 35-50%）。

建议：1. 继续使用该工具包（已被证明有效）；2. 对简单/中等技能预期 85-90% 的效率；3. 调整复杂技能的估算（快 30-50%，而非 85%）；4. 专注于质量维护（已经很好）。

使用来自 skill-evolution-tracker 的数据，属于分析类技能。

资料未提供关于收费、价格、平台支持范围、具体安装命令或代码的说明，这些信息暂未提供。