用途：面向游戏整体、按日历时间的总收入预测，基于 DAU×ARPU 动态模型，回答“未来一段时间总收入多少”“要达成某日收入目标需要多少新增用户或什么 ARPU”等问题。不计算单用户或单群组 LTV/LT，后者应走 ltv-prediction。
主要能力：正向收入预测、反向目标求解、DNU-ARPU 权衡优化、基于留存的 DAU 推演、买量预算规划。数据全部来自 ae-cli，不手工猜参数。
使用方式：先用 ae-cli 取数，优先查已有看板/报表资产（analysis dashboard list、analysis report list，再用 dashboard-report-data run 或 report-data run）；无资产时提交 AI-facing 语义定义，用 analysis adhoc run --model-type event 查 DAU/DNU/收入，--model-type retention 查留存。--definition 只接受 AI-facing 定义，不得传原始 QP、events、eventView 等。取数后校验编译结果、警告、时区和集群范围，再提取当前 DAU、DNU、ARPU、日流失率与留存曲线参数，交给 forecast.py 计算。
Python 环境：从 SKILL.md 位置解析 SKILL_DIR，先试 "$SKILL_DIR/.venv/bin/python" -c "import numpy, scipy"；缺失时说明将创建 .venv 并下载依赖，获用户同意后运行 bash "$SKILL_DIR/scripts/setup.sh"。不要装进系统 Python，不要硬编码解释器路径。ae-cli 已预装，可用 ae-cli team +list-projects 验证。
引擎用法示例：derive-params 可从 ae-cli JSON 自动推导参数（--dau-json、--dnu-json、--revenue-json、--window-days）；forward 模式传 --initial-dau、--daily-dnu、--arpu、--daily-churn-rate、--days。完整 CLI 见 references/workflow.md。
限制：仅做宏观日历时间总收入预测，不做单用户/单群组 LTV；不负责建看板、数据清洗或事件定义变更；具体收费、价格与效果资料暂未提供。