用途：把多渠道客户反馈转化为可执行洞察，适用于规模化反馈分析（>50 条）、NPS/CSAT 问卷处理、工单分诊、流失预警与路线图优先级排序。调用方式为 Skill({ skill: 'feedback-analysis' })。
主要能力分六部分：情感分析（极性、情绪、强度、主题）；NPS/CSAT 双轨分析（分数与开放文本并行，并做错配检测，如高分负评属高风险、低分正评可挽回）；功能请求聚类（按频率、情绪权重、流失相关性、分群影响排序）；工单分诊（层级分类法，建议 30-50 个叶子标签，按紧急度、影响、情绪定 P0-P3）；流失信号检测（会话频率下降、功能收缩、工单激增、负面情绪、降级、计费咨询、导出行为等，输出风险分与原因码）；反馈到路线图转化（按频率、流失相关性、NPS 影响、支持量加权，输出带证据与引用的建议）。
流程强调先统一渠道（应用内问卷、工单、应用商店评论、社交提及、聊天记录、产品评论、邮件），再依次分析。限制与约束：需先读 .claude/context/memory/learnings.md，输入输出受 schemas 校验，含 pre-execute.cjs 与 post-execute.cjs 钩子；避免单一渠道分析、扁平标签超 50 个、仅按频率聚类、等待显式流失。具体价格、平台支持与效果数据暂未提供。