用途：Design KPIs 用于设计 KPI 框架、指标定义、目标、护栏指标和衡量计划，服务于产品或业务决策。当任务涉及对已有指标、仪表盘、表格、负责人或数据源进行核对时，应先用 $analyze-data-quality；只有当用户要求面向未来定义指标、重新设计 KPI 框架、选择护栏或设定目标时，才使用本技能。
主要能力：先澄清决策与运营背景，再收集证据；生成更广的候选结果指标、驱动指标和护栏指标，然后按是否反映目标、是否支持真实决策、在决策节奏下是否有信号、团队能否影响、能否可操作地衡量、是否难以被误导性改善等标准比较筛选。通常推荐 1-3 个主 KPI，每个 KPI 配 1-2 个驱动指标，并在存在权衡时配 1-2 个护栏指标。目标设定与指标选择分开处理，可采用自上而下（基准、历史表现、竞品或市场背景）或自下而上（团队实际可做的工作、预期采用、运营杠杆）的方法，并说明目标锚点、假设与置信度。
使用方式：先判断答案是否需要特定权威数据源；若必需数据源不可用，应停止该路径并告知用户所需数据源，或请其提供经审核的替代方案，不能把较弱替代品当作等价物。若缺失数据源只是可选补充，则继续使用现有最强证据并标注缺口。在结构化数据源中应进行新的目录或元数据发现，比较重复与冲突来源的所有权、新鲜度、定义、粒度、覆盖范围和直接性，并在结论前通过实时读取验证。最终建议默认内联交付，保持简洁、面向决策，包含举措摘要、推荐指标及定义与理由、目标建议（如包含）、已审阅证据、假设与缺失背景、风险与护栏、开放问题。仅当数据可视化能实质改善回答时，才使用 $visualize-data 和 $build-report；用户明确要求报告、仪表盘、笔记本、表格、原生文档或幻灯片时，应以其为主要交付物。
适用场景：产品发布或采用、增长工作、漏斗工作、运营评审、实验或干预、数据/模型/分析举措、平台/可靠性/运营工作等。
限制：资料未提供具体收费、价格、平台支持或效果保证；缺失事实需明确说明。不要为凑长度编造功能或步骤。