agentsclimarketplace

Analysis orchestrator

Skill LuckyOneTwoThree/pm-skill/pm-05-metrics-ops/orchestrators/analysis-orchestrator

102 AI Agent Skills for the full product lifecycle. Compatible with Trae / Claude Code. 9 modules from discovery to launch to growth. | 102 个覆盖产品全生命周期的 AI Agent Skills，兼容 Trae / Claude Code，9 大模块从探索发现到上线增长。

Install
npx -y skills add LuckyOneTwoThree/pm-skill --skill analysis-orchestrator

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

2 things to look at

  • no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
  • 6 stars6 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

当需要进行数据异常检测、漏斗分析或留存分析时使用。数据分析指挥官，调度analysis-anomaly/funnel/retention/data-analysis-report。关键词：数据分析、异常检测、漏斗分析、留存分析、Aha Moment、看数据、数据不好、数据洞察。

SKILL.md

8.4 KB, ~2.7k tokens by cl100k_base, as published. Nobody here has run it

数据分析指挥官

核心原则

用数据减少决策中的猜测

数据分析的价值不在于产出报告，而在于将不确定性转化为可量度的风险，将直觉判断转化为证据支撑的决策。

编排理念

  1. 检测先行，分析跟进，报告收口：异常检测7×24运行，漏斗和留存按需触发，报告整合收口
  2. 每个分析结果必须可行动：没有行动建议的分析结果不传递到下游
  3. 异常即阻断，其他按序执行：P0异常立即阻断当前流程，其他阶段按序执行

编排协议

编排协议遵循 orchestrator-protocol.md 统一标准。

Pipeline

pipeline: analysis-orchestrator
version: 7.1

post_pipeline:
  - action: stage-summary
    output: output/phase-reports/pm-metrics-ops/analysis-orchestrator.md

stages:
  - id: phase-1
    name: "异常检测"
    depends_on: []
    skills: [analysis-anomaly]
    gate:
      condition: "异常检测Pipeline持续运行，无中断"
      fail_action: "立即修复检测Pipeline，启动备用监控"

  - id: phase-2
    name: "漏斗分析"
    parallel_with: [phase-3]
    skills: [analysis-funnel]
    gate:
      condition: "核心业务漏斗已定义且数据完整"
      fail_action: "补充漏斗定义，确保核心路径覆盖"

  - id: phase-3
    name: "留存分析"
    parallel_with: [phase-2]
    skills: [analysis-retention]
    gate:
      condition: "至少产出1个Aha Moment候选行为"
      fail_action: "扩大行为搜索范围或延长分析周期"

  - id: phase-4
    name: "数据分析报告"
    depends_on: [phase-1, phase-2, phase-3]
    skills: [data-analysis-report]
    gate:
      condition: "报告执行摘要完整，至少3条行动建议"
      fail_action: "补充分析或标注建议补充数据"

阶段执行计划

调用 analysis-anomaly

Skill: analysis-anomaly
输入:
  metrics_system: metrics-system → metrics.json
  real_time_data: 数据仓库/实时计算平台
  alert_rules: 用户提供
  event_calendar: 用户提供（可选）
输出: output/pm-metrics-ops/analysis-anomaly/
验证: 异常检测覆盖所有关键指标；异常等级分类正确（P0/P1/P2）；根因分析有数据支撑；建议措施可操作
模式: 🤖

调用 analysis-funnel

Skill: analysis-funnel
输入:
  funnel_definition: 用户提供
  event_data: 用户提供
  segment_config: 用户提供（可选）
  comparison_period: 用户提供（可选）
输出: output/pm-metrics-ops/analysis-funnel/
验证: 漏斗步骤定义完整、无遗漏；转化率计算基于全量数据；流失节点识别附带原因假设；多维下钻覆盖至少3个维度
模式: 🤖

调用 analysis-retention

Skill: analysis-retention
输入:
  user_behavior_data: 用户提供
  segment_definition: 用户提供（可选）
  cohort_config: 用户提供（可选）
  baseline_date: 用户提供（可选）
输出: output/pm-metrics-ops/analysis-retention/
验证: 留存计算基于全量用户而非抽样；Cohort分析覆盖时间、渠道、行为三个维度；Aha Moment候选通过显著性检验；流失预警模型准确率>70%
模式: 🤖

调用 data-analysis-report

Skill: data-analysis-report
输入:
  funnel_analysis: output/pm-metrics-ops/analysis-funnel/
  retention_analysis: output/pm-metrics-ops/analysis-retention/
  anomaly_detection: output/pm-metrics-ops/analysis-anomaly/
  decision_dace: decision-dace → decision_insight.json（可选）
  metrics_system: metrics-system → metrics_system.json（可选）
  analysis_time_range: 用户提供
  product_info: 用户提供（可选）
输出: output/pm-metrics-ops/data-analysis-report/
验证: 执行摘要包含3条关键发现+Top1建议；核心指标仪表盘完整；漏斗分析包含最大流失点和提升机会；留存分析包含生命周期阶段；每条洞察有数据事实+业务含义；行动建议至少3条，每条有优先级和验证方式；数据口径和局限性已说明
模式: 🤖→👤

阶段总结（post_pipeline）

所有业务阶段执行完成后，必须立即生成阶段总结文档：

动作: 生成阶段总结
输入:
  所有子Skill输出: output/pm-metrics-ops/
  人类决策记录: 本轮执行中的人类决策点及结果
输出: output/phase-reports/pm-metrics-ops/analysis-orchestrator.md
验证: 阶段总结文档已生成，6项结构（执行概览/关键发现/决策记录/产出清单/风险与待办/下游衔接）均非空
下游衔接:
  primary:
    target: decision-orchestrator
    reason: 数据分析完成，将分析洞察转化为可执行决策
    input_mapping:
      analysis_output: "output/pm-metrics-ops/data-analysis-report/ → decision-dace输入"
  alternatives:
    - target: experiment-orchestrator
      reason: 分析发现需A/B测试验证的假设
      condition: 数据分析发现因果关系不确定，需实验验证时
    - target: iteration-orchestrator
      reason: 分析结论直接影响迭代优先级
      condition: 数据分析产出明确的迭代方向建议时
  special_cases: []
模式: 🤖

⏸ 阶段卡口：阶段总结文档已生成且6项结构均非空 → 未通过：补充缺失结构项后重新生成

阶段卡口

卡口条件未通过处理
异常检测7×24运行异常检测Pipeline持续运行，无中断立即修复检测Pipeline，启动备用监控
漏斗核心路径覆盖核心业务漏斗已定义且数据完整补充漏斗定义，确保核心路径覆盖
留存Aha Moment候选已识别retention-analysis输出文件已生成且非空扩大行为搜索范围或延长分析周期
数据洞察报告已生成数据洞察报告文件已生成且非空补充分析或标注"建议补充数据"
阶段总结已生成output/phase-reports/pm-metrics-ops/analysis-orchestrator.md 已生成且6项结构均非空补充缺失结构项后重新生成

人类决策点

决策点触发条件决策内容
P0异常即时确认P0级异常检测触发确认异常真实性，决定响应策略

决策规则

条件Action
P0异常即时推送 + 电话告警
P1异常2小时内Slack/企微通知
P2异常每日汇总报告
P3波动仅记录，不告警

异常处理

异常类型处理策略
子Skill输出校验失败暂停下游阶段执行，输出校验失败报告，提示人类修正后重试当前阶段
P0异常检测触发立即中断当前阶段，优先处理P0异常，处理完成后恢复原流程
上游数据源不可用按子Skill降级策略执行，记录降级信息，在最终输出中标注降级影响范围
分析结果无行动建议阻断传递到下游，要求当前子Skill补充行动建议
人类决策超时未响应暂停流程，保留当前阶段状态，支持人类恢复后从断点继续
阶段总结生成失败基于已完成的子Skill输出生成部分总结，缺失项标注"数据缺失"，不阻塞编排完成

变更记录

  • v1.0: 初始版本
  • v2.0: 结构优化
  • v3.0: 新增 data-analysis-report（数据分析报告）
  • v4.0: 编排器优化——任务调度改为阶段执行计划，新增子Skill执行协议，调度规则改为执行模式，阶段卡口和人类决策点改为表格
  • v5.0: 执行步骤原则替换为编排理念，新增异常处理表
  • v6.0: 编排协议优化——将"读取子Skill定义并代理执行"改为"使用Skill工具显式调用子Skill"；新增Pipeline定义（YAML声明式执行图）；阶段执行计划改为调用指令格式；调度规则合并入编排协议

Keep looking

Skills are one crate of 328,083. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.