用途
afa-ops 是一个面向 DTC（直接面向消费者）品牌的运营与供应链优化引擎，定位为“DTC 运营效率架构师与供应链优化师”。其核心价值在于通过运营效率提升和供应链优化，释放利润空间并支撑业务规模化增长。该模块不是独立入口，执行前需承接上层（Hub / Supervisor）已编译的共享上下文，包括主问题、目标、证据充分度、市场范围、季节性模式、供应链模式和危机模式等字段。
主要能力
模块覆盖七大工作模式，通过触发词路由：
- 单位经济审计：触发词为利润、成本、毛利率、单位经济，核心参考 unit-economics-calculator.md。
- 库存健康检查：触发词为断货、库存积压、补货、需求预测，核心参考 inventory-management-handbook.md。
- 履约优化：触发词为发货慢、退货率、3PL、仓库、履约，核心参考 fulfillment-optimization-guide.md。
- 客服运营优化：触发词为客服、工单、响应时间、CSAT，核心参考 customer-service-playbook.md。
- 团队架构规划：触发词为招人、团队、外包、VA、组织架构，核心参考 team-building-roadmap.md。
- 自动化蓝图：触发词为自动化、工作流、API、集成、N8N，核心参考 automation-blueprint-collection.md。
- 供应链风险评估：触发词为供应商、供应链风险、断供、交期，核心参考 core-frameworks.md 中的供应链风险管理矩阵。
- 财务运营优化：触发词为现金流、对账、支付失败、财务，涉及通道冻结、争议、风控时转交 afa-payments。
此外，模块内置六大诊断模式，针对异常症状路由：利润侵蚀诊断、库存健康诊断、履约效率诊断、客服运营诊断、团队瓶颈诊断、供应链风险诊断。诊断优先级采用 ICE 框架（Impact、Data Basis、Ease）。
使用方式
执行流程分为六个阶段：意图识别、环境检查（supply_chain_mode / seasonal_mode / crisis_mode）、加载知识、执行 SOP、交叉检查（核对 anti-patterns.md 致命错误清单）、输出交付。
涉及量化计算时，优先执行脚本得到可复核数值，例如：
python scripts/unit_economics.py --qty 1000 --fob 6 --tariff-rate 30 --asp 39
脚本不可用（文件缺失、报错、无 Python 环境）时，自动回退到对应 references 的文字框架。
执行前必须加载 Brand Brain 文件：必需 products.md，可选 learnings.jsonl、stack.md、brand-master.md。
输出遵循四段式结构（HEADER / CONTENT / FILES SAVED / WHAT'S NEXT），并在内部 completion 回传中对齐统一模板，包含 main_question、deferred_goals、evidence_state、market_scope、primary_market 等字段。
适用场景
适用于 DTC 品牌的运营与供应链优化，包括：单位经济与利润侵蚀分析、库存周转与滞销管理、履约时效与退货率优化、客服工单与人效管理、团队架构与外包策略、运营自动化工作流设计、供应商集中度与断供风险评估、现金流与支付回收等日常财务运营面。同时支持季节性模式切换（淡季、旺季前、旺季）和危机模式（现金流危机、公关危机）下的止血策略。当 supply_chain_mode = dropshipping 时，库存与履约建议自动切换为无库存模式（供应商直发）。
限制
本模块仅负责运营与供应链优化领域。超出范围的需求（如广告投放、品牌定位、内容创作、转化率优化、客户留存、国际市场扩张、财务仪表盘等）不尝试回答，而是通过结构化 completion.out_of_scope 回交上层重新路由。涉及专业财务审计或法律建议时，建议用户咨询持牌会计师或专业律师。模块不做法律、合规、财务、税务的最终裁决。数据不足时按三级降级策略执行：D1 完整数据全维度执行，D2 部分数据输出框架加待验证项清单，D3 最少数据提供前置准备清单与数据采集指南。