用途：帮助开发者为销售机器人构建反馈闭环，使其从成交（closed-won）与丢单（closed-lost）等结果中持续学习并改进消息话术。
主要能力：1）结果数据采集与归因，跟踪每条消息、客户回应、互动指标、对话路径和最终结果，并用 attribute_outcome_to_messages 把结果归因到消息与模板；2）模式分析，包括赢单模式检测、衰退模式识别和按客户分层（SMB、中端市场、企业）的差异化分析；3）自动优化，结合 A/B 测试、Thompson Sampling 选择模板，按样本量、显著性、趋势等条件自动晋升或废弃模板；4）赢单/输单分析，提取常见模式、有效序列、成功异议处理、丢单原因、竞争对手丢单和丢单前消息模式；5）学习管线，用 FeedbackPipeline 处理结果、更新模板统计与分层模型、触发优化周期；6）实时学习，在客户回应时评估情感与互动并及时调整模板权重；7）报告与告警，生成整体指标、优秀与待改进项、洞察和行动建议，并设置表现下降、模板失效、竞争对手上升、分层衰退等告警；8）周期性复盘，含每周评审和季度策略评审步骤。
使用方式：资料以 Python 函数和类的形式展示实现思路，如 attribute_outcome_to_messages、analyze_winning_patterns、identify_losing_patterns、ContinuousOptimization、FeedbackPipeline、on_prospect_response、generate_performance_report 等，需结合自身的成交数据、模板库和统计系统接入。安装命令、依赖、配置方式、具体平台与运行环境暂未提供。
适用场景：销售机器人或外呼/邮件销售自动化系统需要持续优化话术、按分层调整策略、自动淘汰低效模板并发现赢单规律时。
限制：资料未说明收费、价格、支持平台、效果保证或数据规模要求；示例中的统计阈值（如最小样本 100、胜率下限）为示例常量，实际使用需自行确定；需要质量可靠的成交结果与消息追踪数据，否则归因和模式分析可能不可靠。