用途：回答“为什么 X 指标变了”这类问题，针对已保存的洞察、仪表盘图块或粘贴的查询，在观察到指标变化时进行归因调查；不用于“X 是什么”这类纯定义问题。
主要能力：面向 PostHog MCP v2，提供 posthog:query-trends、query-funnel、query-retention、query-stickiness、query-lifecycle、query-paths、query-trends-actors、execute-sql、read-data-schema、insight-get/-query 等工具，并引用 feature-flag-get-all、experiment-list、annotations-list、cohorts-list/-create、annotation-create、insight-create 等标准工具。附带脚本 compare_to_prior_periods.py（自动识别间隔并与自然周期比较）和 breakdown_attribution.py（按绝对变化排序细分并标记抵消项）。
使用方式：先按 query.kind 分类指标（TrendsQuery、FunnelsQuery、RetentionQuery、StickinessQuery、LifecycleQuery、PathsQuery、HogQLQuery），选择对应 playbook；BoxPlot 用 box-plot-playbook.md。随后确认异常、做方差检查、排查窗口内已知变更（功能开关、实验、注释、git log），运行 playbook，做对照交叉验证，最后按固定格式输出发现，并可提议保存图表或创建注释。命令示例：python3 scripts/compare_to_prior_periods.py < query_result.json；WINDOW=7 python3 scripts/breakdown_attribution.py < breakdown_result.json。
适用场景：指标异常归因、细分定位、变更关联分析。限制：需指向具体洞察 URL 或 short_id，否则应询问而非猜测；置信度分低/中/高；资料未提供收费、价格、平台支持范围等信息。