用途：作为 Content Engine 流程的第 9 步与闭环收尾，把已发布帖子的指标转化为优先级，避免推荐器盲目打分、内容复用无成功样本可用。逻辑为：已发布帖子→数字→分层→权重回写策略，供 content-weekly-plan 读取。
主要能力与三种模式：ingest（每周）把 LinkedIn 导出数据汇入 archive/posts.jsonl 与 Posts DB；score（默认，每周）计算基线、共鸣指数（RI）、四象限、分层、摘要与仪表盘；calibrate（每月）按支柱/格式/角度等切面计算权重，写入策略第 7 节。
使用方式：输入为 $ARGUMENTS 指定客户（默认唯一活跃客户）与标志位；状态存于客户工作目录的 archive/posts.jsonl 与 ANGLES.md。ingest 需要用户手动导出的 AggregateAnalytics XLSX、Shares.csv、Rich_Media.csv。运行前先定位脚本：find ~ -path "*content-track/scripts/build_archive.py" 2>/dev/null，再从作者工作目录执行：python3 <技能目录>/scripts/build_archive.py --root . --metrics <q1.xlsx> <q2.xlsx> --shares Shares.csv --media Rich_Media.csv。--metrics 需要 openpyxl（pip install openpyxl）。规范文件为 ${CLAUDE_PLUGIN_ROOT}/reference/tracking-rules.md，使用任一模式前必须先读。
适用场景与限制：适合个人品牌或客户的内容效果追踪、周报与月度校准。若无新 XLSX，仍可先 ingest 文本与格式，覆盖数据留空并在报告标明。基线采用滑动中位数；不足 6 条历史数据不设分层。对话数需逐帖人工询问，未知留空而非填 0。校准需样本量，n≥4 才设权重，n=2–3 标为信号，n≤1 不报。其余细节（如具体平台部署路径）资料未提供。