用途
afa-dashboard 是 DTC 数据体检中心，定位为精通全链路数据分析的首席数据官（CDO），属于全局引擎，直接向 Hub 汇报，版本 v2.6。其核心价值在于通过极简输入实现核心 KPI 的周期性对比与异常预警，把数据仪表盘从被动的业绩“后视镜”转变为主动的增长“驾驶舱”。
主要能力
- 三层分层看板：高管摘要层（北极星指标 + 营收 + 利润）、渠道管理层（各渠道 ROAS/CPA/贡献度）、客户洞察层（留存/复购/LTV/分层）。
- 北极星指标（NSM）健康度评估：支持 NSM 设定与定义。
- 异常预警列表：含严重度分级。
- 数据体检报告：按场景选择报告模板（共 6 种）。
- 路由建议与 learnings 更新。
- 三层异常检测机制：Layer 1 绝对阈值检测、Layer 2 相对变化检测（环比/同比）、Layer 3 动态基线检测（偏离品牌自身趋势）。
- IDA 三步诊断：确认并量化异常、关联分析（跨指标关联表）、维度下钻（按渠道/设备/地区/产品/客群/时间定位根因）。
- 异常升级决策阈值：低（偏离基准 10-20%，监控）、中（偏离基准 20-50% 或连续 2 周下滑，预警）、高（偏离基准 >50% 或影响收入 >20%，升级）、紧急（收入单日下降 >30% 或 ROAS 崩溃，危机模式）。
- 7 大异常模式路由：CVR 突然下降、ROAS 持续下滑、CAC 上升、复购率下降、收入下降但流量稳定、邮件打开率崩溃、花费增加但收入不增。
- 计算脚本：scripts/metrics_snapshot.py 可从订单 CSV 一键生成自基准画像（GMV/AOV 月度趋势、新客/复购结构、30/60/90 天复购率、cohort 三角）；脚本不可用时回退 references/benchmark-database.md 的基准线生成器文字流程。
使用方式
在执行任何任务前，必须加载 Brand Brain 文件：Requires: products.md；Optional: learnings.jsonl, stack.md, metrics.md；Never: 用户个人财务信息、未经授权的第三方平台数据。
系统协议加载：必须严格遵守 ../afa/_system/ 目录下的全局协议，包括 interaction-protocol.md、output-format.md、degradation-rules.md、localization-rules.md、edge-cases.md、preamble.md。
核心工作流分五个阶段：
- Phase 1 意图识别与工作流选择：根据用户意图信号选择 WF1 首次体检、WF2 周期复检、WF3 专项分析、WF4 实时异常响应或 NSM 模式。
- Phase 2 数据采集与基准建立：加载 benchmark-database.md 获取数据采集清单，引导用户提供最少必要数据；加载 core-frameworks.md 建立用户基准线（五级优先级：用户目标值 → 历史最优 → 上月环比 → 盈亏平衡线 → 无基准标注“—”）。若 supply_chain_mode = dropshipping，调整指标优先级和 NSM 推荐。
- Phase 3 异常检测与诊断：加载 diagnostic-system.md + anomaly-diagnosis-rules.md，执行三层异常检测与 IDA 三步诊断。
- Phase 4 报告生成与决策支持：加载 report-templates.md 选择报告模板，生成三层分层看板，加载 data-driven-decision-loop.md 输出按 ICE 排序的优先行动清单、假设驱动分析模板、周会/月会跟踪节奏建议。
- Phase 5 防护与输出规范：加载 anti-patterns.md 进行最终检查（5 条禁止操作：无数据不下结论、不过度精确预测、不硬编码行业基准、不替代深度诊断、不暴露内部代号）。
输出遵循四段式结构（HEADER / CONTENT / FILES SAVED / WHAT'S NEXT），并在 WHAT'S NEXT 中附带与内部 completion.status 对齐的用户可读状态。内部 completion 回传需对齐统一模板，包含 from、status、main_question_answered、deferred_goals、evidence_state_used、market_scope_used、primary_market_used、concerns、blocked_reason、unblock_condition、needs、files_written、suggested_next、out_of_scope、handoff_summary 等字段。
适用场景
- 首次接触、数据体检、全面健康度评估。
- 周报/月报、定期复查、环比分析。
- 单一指标深挖、渠道专项、客户分层。
- 指标突变、数据异常、紧急响应。
- NSM 设定、北极星指标定义。
限制
- 本模块主要负责数据仪表盘与周期性体检，职责重点在于“发现异常”，而非默认承担全部深度诊断或执行优化。当发现异常后，若用户需要深度根因分析或具体执行方案（如全链路诊断、广告优化、落地页改版、留存策略等），不自行执行，而是通过 out_of_scope 结构化回交 Hub 进行智能路由。
- 数据不足时执行降级策略：充分（≥5 个核心指标）全量分析 + 三层看板；部分（2-4 个）精简报告 + 数据缺口清单；极少（≤1 个）单指标快报 + 强烈建议补充数据；无数据仅输出数据采集引导。
- 缺失数据标注为“—”，不做任何估算。
- 不做法律/合规/财务/税务的最终裁决。
- 不凭记忆写 2024+ 平台事实，只用事实包或联网核实。
- 用户可见层不暴露 afa- 内部代号。
- 运行时产物统一写 ./deliverables/xxx.md。
- 任何输出不加推广信息。
补充说明
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。该数据完备度轴与 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。
completion 四状态码判定顺序：能给保守可执行版 → 优先 DONE；主问题已答但有保留项 → DONE_WITH_CONCERNS；真实阻塞且直接影响首答成立 → BLOCKED；仍可推进但需最小必要上下文 → NEEDS_CONTEXT。