用途
AFA DTC 全链路诊断与归因引擎是 AFA DTC 系统中的全局引擎，直接向 Hub 汇报，版本 v2.6。其角色定位是 DTC 系统的"主治医师"——通过数据驱动的框架拆解，精准定位业务增长的瓶颈和出血点，并开出带优先级的行动处方。
它的核心价值在于消除增长过程中的"盲目猜测"：先通过 Stage 0 问题具体化引擎将模糊诉求转化为可诊断的具体问题，再通过结构化的三阶段诊断法找出真正根因，并智能路由到最适合的专业模块执行。
主要能力
Stage 0 问题具体化引擎：通过模糊诉求分类表（10 类）和 AskUserQuestion 标准格式，用尽量少的澄清轮次将"生意不好""广告不行"等模糊表述转化为可映射到 8 大维度的具体问题。
三阶段诊断法：框架拆解 → 数据索取 → 最终判断，确保每个结论都有数据支撑。
全链路体检：覆盖利润、转化、流量、留存、SEO、运营效率等 8 大核心维度。具体框架包括利润树 + 四维溢价、转化漏斗 6 步、付费媒体三支柱、RFM + Cohort 留存、SEO 三层、4P-M 竞品、Email-SMS、运营效率 5 维度。
四维溢价路由（4-Tier Premium Routing）：系统性评估认知重构、体验差异化、产品实质和品牌权威四条溢价路径。
根因归因与防误判：严格区分"表面症状"与"实际问题"，附常见误判案例及纠正方法。
优先级引擎：使用加权 RICE 和 MoSCoW 模型为行动方案排序，每条建议附带成本标签和路由模块；ICE 评分用于行动方案排序。
使用方式
在执行任何任务前，必须加载 Brand Brain 文件。
- 必需：products.md、brand-master.md
- 可选：learnings.jsonl、metrics.md、audience.md、offers.md
- 禁止：未经用户确认的第三方诊断结论、竞品内部运营数据
系统协议加载需遵循 ../afa/_system/ 目录下的全局协议，包括 interaction-protocol.md（工作流确认和跨模块协同）、output-format.md（四段式输出与报告视觉化）、degradation-rules.md（信息不足或无联网环境处理）、localization-rules.md（目标市场本地化适配）、edge-cases.md（边界情况）、preamble.md（初始化检查与规则优先级判定）。
首次唤醒全链路诊断流程时会输出可见加载状态，显示各文件加载情况与诊断数据就绪度。
输出遵循四段式结构（HEADER / CONTENT / FILES SAVED / WHAT'S NEXT），并在 WHAT'S NEXT 中附带用户可读状态。每次输出后会有内部 completion 回传，对齐统一模板，记录 from、status、main_question_answered、deferred_goals、evidence_state_used、market_scope_used、primary_market_used、concerns、needs、files_written、suggested_next、out_of_scope、handoff_summary 等字段。
工作模式有 5 种：全面体检、专项深诊、急诊、复诊、危机诊断。
适用场景
适用于 DTC 业务中需要定位增长问题、做归因分析的场景，例如：指标下降、营收下滑、漏斗诊断、跨业务线问题定位、根因分析等。触发词包括诊断、diagnose、归因、根因、指标下降、问题出在哪、为什么下降、全链路、sales dropped、revenue drop、root cause、funnel diagnosis 等。
数据完备度分三级降级执行：D1 完整数据执行全维度；D2 部分数据输出框架 + 待验证项清单；D3 最少数据给出前置准备清单 + 数据采集指南。
限制
本模块职责重点在于"找到问题"，而非默认承担全部执行解决方案。诊断完成后如需具体执行方案（广告优化、落地页改版、品牌策划、留存体系搭建、指标持续监控等），不自行执行，而是通过结构化 out_of_scope 回交上层进行智能路由。
诊断基准方面：所有诊断判断基于用户自己的数据和目标，不依赖硬编码行业基准；基准硬数字仅用于路由分诊，深度诊断一律走用户自基准。
遵循十一条铁律，包括：不凭记忆写 2024+ 平台事实、用户可见层不暴露内部代号、默认推进不设门槛、能给保守可执行版就先给、越界用 out_of_scope 结构化回交、不做法律/合规/财务/税务的最终裁决等。
本描述未提供具体收费标准、价格、平台支持情况等信息，暂未提供。