用途：这是 Content Engine 流程的第 9 步，也是闭环的收尾环节。没有它，推荐器只能盲猜，07-repurpose 也拿不到可复用的赢家内容。整体逻辑是：已发布帖子→数字→分层→权重回到 04-weekly-plan 读取的策略。
主要能力与三种模式：--mode=ingest 每周执行，将 LinkedIn 导出数据并入归档 posts.jsonl 与 Posts DB；--mode=score（默认）每周执行，计算基线、共鸣指数 RI、象限、分层、摘要与看板；--mode=calibrate 每月执行，按支柱/形式/角度做切分并写入策略第 7 节的权重。
使用方式：操作前须先阅读 ${CLAUDE_PLUGIN_ROOT}/reference/tracking-rules.md。ingest 模式需用户手动准备 LinkedIn 的 AggregateAnalytics XLSX、Shares.csv、Rich_Media.csv 三个文件；脚本位于该技能目录下的 scripts/build_archive.py，命令示例：python3 <技能目录>/scripts/build_archive.py --root . --metrics <q1.xlsx> <q2.xlsx> --shares Shares.csv --media Rich_Media.csv，其中 --metrics 需要 openpyxl（pip install openpyxl）。脚本按 share id 合并来源，不改动手工分类；运行后需补齐角度、栏目、主题等手工字段，并逐条询问每个新帖带来的对话数（未知留空而非填 0）。评分模式采用滚动基线（每帖取之前 12 帖的中位数），少于 6 条历史数据不设分层；摘要通过 Telegram 推送，看板重建并部署（个人品牌为单一 HTML＋Cloudflare Pages）。
适用场景：需要把 LinkedIn 内容表现数据转化为可复用决策的内容运营流程。限制：导出文件均需用户手动获取，无法自动拉取；缺少新鲜 XLSX 时覆盖数据留空并单独标注；校准仅在样本充足（n≥4）时写入权重，n=2–3 只作信号，n≤1 不输出；default 权重表（methodology.md §5）不得改动。