前言¶
运营复盘常见两类问题：会上各说各话，目标口径和基线对不齐；结论停在「感觉」或事后归因，下一轮改不动。把 Excel、埋点、群聊记录和异常日志交给通用对话，模型也容易把相关性写成根因，或把缺数当成零。
下面介绍 SkillHub 上的社区 Skill「运营数据复盘｜简诗 AI」。它按固定核对清单收齐目标、数据与过程材料，再按结构化交付物分开「事实」与「原因假设」，并约束证据不足时的表述方式，便于把复盘接到行动与复测闭环。
这是什么¶
一句话定位： 在需要把目标、数据、过程和异常还原成事实、原因假设、行动与复测闭环时，由 Agent 按 SKILL 规则主持的一次运营数据复盘。
| 项 | 说明 |
|---|---|
| 坐标 | @user_fccf428b/operations-retrospective-facilitator |
| 版本 | 1.0.3 |
| 来源 | community（SkillHub 社区） |
| 分类 | data-analysis |
| 发布者 | user_fccf428b |
| 标签 | requires_api_key=false（无需配置 API Key） |
官方 Skill 页：SkillHub - 运营数据复盘｜简诗 AI
API 入口：https://api.skillhub.cn/user_fccf428b/operations-retrospective-facilitator
据 SkillHub 已抓取页面信息：评分 100000，下载 2555 次（统计随平台更新）。
核心功能¶
Skill 自述的工作方式可以分成「先核对输入」和「再交付结构化复盘」两步。
核对阶段会覆盖的材料¶
- 原目标、成功口径、基线与计划版本
- 结果数据
- 过程记录、时间线、异常日志
- 执行角色、关键决策、变更与外部影响
目的是在同一套口径下还原「计划—执行—结果」，而不是先定结论再找数据。
交付物包含的内容¶
- 目标对照
- 数据口径与证据缺口
- 事实时间线
- 关键偏差与影响范围
- 原因假设、反证、可控性与优先级
- 可观察的指标与停止线
明确禁止的推理习惯¶
Skill 要求 Agent：
- 不得把相关性写成根因
- 不得用结果倒推动机
- 不得将缺失数据按零处理
- 证据不足时，原因只能保留为待验证假设
这些约束针对的是复盘里最常见的失真来源，而不是额外「加戏」。
安装与启用¶
Skill 基于通用 SKILL.md 格式。安装前需本机有 SkillHub CLI；官方安装说明见 SkillHub 安装与优先源配置。
1、检查或安装 SkillHub CLI¶
先确认是否已安装：
command -v skillhub && skillhub --version
未安装时，可用官方脚本完整安装（CLI + 默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
仅安装 CLI：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
2、安装本 Skill 到当前 Agent 的 skills 目录¶
安装时必须用 --dir 指向当前客户端识别的 skills 目录，否则默认装到 ./skills/ 可能不会被加载。常见路径（摘自官方安装文档）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
以 Cursor 为例：
skillhub install @user_fccf428b/operations-retrospective-facilitator --dir ~/.cursor/skills/
SkillHub 页面还提供另一种方式：将提示词发给支持 Skills 的 AI，让其按 skillhub.md 安装 @user_fccf428b/operations-retrospective-facilitator。具体交互以你所用客户端为准。
安装或更新 Skill 后，按客户端要求重启或刷新 Agent，使 SKILL.md 被加载。
典型用法¶
官方资料未附带独立示例仓库；可复现的用法是：在对话中触发「运营数据复盘」需求，并尽量按 Skill 清单提供材料，由 Agent 按 Skill 规则输出上述交付物。
建议按下面顺序准备输入（与 Skill 自述一致）：
- 目标与口径：本期目标、成功定义、基线、当时采用的计划或方案版本。
- 结果数据：与成功口径一致的指标结果（注明统计周期与数据来源）。
- 过程与时间线：关键动作、发布时间、渠道变更、协作记录。
- 异常与外部因素：报错、限流、竞品动作、政策或环境变化等，并标明发生时间。
- 角色与决策：谁拍板、改了什么、为何改。
对话中可以明确写一句意图，例如：「请按运营数据复盘 Skill，基于下面材料做复盘，区分事实与假设。」随后粘贴结构化材料或分条说明。
经过上面的步骤，你应得到带「证据缺口」和「待验证假设」的复盘稿，而不是单一归因结论；下一轮行动应能对应到可观察指标与停止线。
适用场景与注意¶
适合谁
- 活动、增长、内容或产品运营需要在周期末做数据复盘、且多人对口径不一致的团队
- 希望 Agent 主持复盘结构、而不是自由发挥写「复盘报告」的个人或小队
- 不希望在无 API Key 前提下额外接第三方数据服务（本 Skill 标注
requires_api_key=false）
限制与注意
- Skill 不替代数据采集系统；口径、基线、日志需你方提供，缺什么会在「证据缺口」里体现。
- 社区来源（
community），维护节奏与发布者user_fccf428b相关，升级前可在 SkillHub 查看版本（当前 1.0.3）。 - 复盘质量依赖输入完整度；材料过少时，输出会偏假设与待验证项，这符合 Skill 设计而非故障。
结尾¶
「运营数据复盘｜简诗 AI」把复盘拆成可核对的输入清单和可检查的交付结构，并用规则压住常见的归因谬误，让结论能接到行动与复测。若要在 Cursor 等环境中试用，可从 SkillHub 安装 @user_fccf428b/operations-retrospective-facilitator，并打开官方页核对最新说明：
https://www.skillhub.cn/skills/user_fccf428b/operations-retrospective-facilitator
