用途
本技能是 analyze-performance 剧本中的一个步骤，聚焦于测试收尾、投放建议评分与学习要点沉淀。它把「已结束的测试」「上周的建议」「本周的决策」和「可复用的学习」串成一条闭环，用于付费投放场景下的周期性复盘。
主要能力
- 测试判定：对每个已结束的测试，依据其书面标准判定为 Win / Loss / Unclear，并结合 brief 中的动作，标注确定程度（confirmed / likely / first look）。
- 上周建议评分：通过 run-memory 的结果检查（参考 ../analyze-performance/references/run-memory.md）评估上周建议。核对实际执行情况（decisions.md 中的 ### YYYY-MM-DD — <title> 块、run-paid-campaigns 的运行记录）与实际结果——对于资金动作，看付费投放的 verdict 加上同一窗口内的 store-joined 检查——判断对错。
- 本周决策撰写：输出本周的 kill / scale / hold 以及 Google 否定词，每条包含对象、原因、确定程度和「would change if」；first look 的情况标记为「watch」。
- 重规划触发检查：对照 brief 中的阈值，检查已触发的 replan 触发器。
- 学习要点起草：最多起草 3 条学习要点，每条为一行规则（模板见参考文件）。仅限已结束的测试、在 referee-joined 数字上达到测试下限的 2 周以上模式、已确认的意外或失败；每条需说明它会淘汰什么。
- Readout 写入：每个 Win / Loss 通过 save-learning 的 readout 路径写入 kind 23 experiment_readout.<campaign-slug>-t<n>，且仅在营销人员在场时进行；定时运行则标记为 readout to save。
- 学习要点落库：在营销人员回复决策块之后，通过 save-learning 技能（../save-learning/SKILL.md）写入保留的学习要点——每条学习一个想法，格式为 [learning YYYY-MM-DD]（+ A-NN），以营销人员的原话作为陈述，并在同一次调用中淘汰其自身被取代的事实；随后回读、比对并报告哪些已落地。若没有他们的原话，则不写入任何内容。
使用方式
- 加载参考文件：../analyze-performance/references/tests-and-learnings.md。
- 输入包括：brief 的测试计划；本周结果；上周报告（其中的建议）；变更日志（实际做了什么）；学习与 readout（brand_knowledge_browse kind 23 / brand_knowledge_search 中列出的；否则用 knowledge_search source_types: ["learning"]、brand_read learnings）；付费投放的最新运行记录。
- 输出：报告的 Tests、Calls、Learnings-proposed 部分；以及在营销人员看过之后写入的学习要点行。
适用场景
适用于付费投放的周期性复盘流程，尤其是需要将测试结果转化为 kill/scale/hold 决策、并沉淀为可复用学习要点的场景。
限制
- readout 写入必须营销人员在场；定时运行只能标记为 readout to save。
- 学习要点写入必须基于营销人员的原话，否则不写入。
- 学习要点仅限已结束测试、达到测试下限的 2 周以上模式、已确认的意外或失败。
- 关于收费、价格、平台支持范围等信息，资料暂未提供。