用途：将预期的产品成果转化为可观测、可治理的证据，覆盖完整度量生命周期——从用指标树定义成功，到用事件分类与埋点计划规定如何追踪，再到验证埋点是否真实捕获所声称的数据。
主要能力：构建指标树，把北极星或主成果分解为可观测、可行动、有归属的驱动节点，区分领先与滞后指标，并为每个指标配至少一个反指标；设计事件与埋点计划，规定事件命名与分类、属性类型与取值、身份解析、会话定义、数据质量规则与归属；执行埋点 QA，覆盖客户端、服务端、管道与端到端校验；制定隐私感知度量策略，涉及同意边界、最小化、聚合阈值、保留与删除及司法辖区；建立看板契约，固定指标定义、数据源、刷新频率、负责人、受众与阈值告警；设定决策节奏（日/周/月/季）。
使用方式：按触发条件加载对应文件，如定义成果加载 SKILL.md 与 references/metric-tree.md，设计事件分类加载 templates/tracking-plan.md，审计埋点加载 templates/instrumentation-qa-checklist.md，建立看板契约或治理加载 templates/outcome-review.md。工作方法强调先定成果再定事件、先验证可测性再承诺、把埋点计划当契约、信任看板前先做 QA、每个指标配反指标、阈值标注为情境化、定期审查治理。
适用场景：SaaS、内部工具、公共服务或消费产品的可测成果定义；需要事件、属性、身份解析、会话边界、质量规则与归属的埋点计划；验证现有埋点数据可信度；固定指标定义与负责人的看板契约；将度量与决策挂钩的成果评审节奏。
限制：不替代数据架构、数据工程、统计推断、可观测性与商业智能层；不规定通用基准阈值，所有指标目标、留存曲线或转化率均标注为情境化，绑定具体产品、市场、阶段与商业模式。相关技能包括 data-engineering、data-scientist、product-strategy、go-to-market、financial-modeling 等。