Is metrics-system safe to install?

SaferSkills independently audited metrics-system (Agent Skill) and scored it 100/100 (green). The audit ran 55 deterministic rules across Security, Supply Chain, Maintenance, Transparency, and Community; it found 0 high-severity and 0 lower-severity findings. The full rule-by-rule trace and per-finding evidence are below. Free, methodology-open.

CategoryWeightCategory scoreContribution

Securityprompt, exec, net, exfil, eval

35%

100

35.0 pts

Supply chainhash, typosquat, maintainer, lockfile

20%

100

20.0 pts

Maintenancestaleness, pinning, CI

15%

100

15.0 pts

TransparencySKILL.md, perms, README

15%

100

15.0 pts

Communityinstalls, verify, response

15%

100

15.0 pts

Findings & checks · 0 flagged

Securityscore 100 · 0 findings

✓—All security checks passedNo findings in this category for the latest scan.pass

Supply chainscore 100 · 0 findings

✓—All supply chain checks passedNo findings in this category for the latest scan.pass

Maintenancescore 100 · 0 findings

✓—All maintenance checks passedNo findings in this category for the latest scan.pass

Transparencyscore 100 · 0 findings

✓—All transparency checks passedNo findings in this category for the latest scan.pass

Communityscore 100 · 0 findings

✓—All community checks passedNo findings in this category for the latest scan.pass

The primary manifest — the file an agent reads to learn what this artifact does.

pm-04-metrics-design/skills/metrics-system/SKILL.md · 1 file

pm-04-metrics-design/skills/metrics-system/SKILL.md20.4 KB · Markdown

name: metrics-system

description: 当需要构建产品指标体系时使用。指标体系自动构建，包含北极星指标校验与推荐、L1/L2指标拆解、行动指标识别、虚荣指标检测。关键词：指标体系、AARRR模型、北极星指标、L1/L2指标、OSM模型、度量体系、定指标、核心数据。

metadata:

module: "产品度量设计"

sub-module: "指标体系"

type: "pipeline"

version: "2.1"

domain_tags: ["互联网", "SaaS", "通用"]

trigger_examples:

- "帮我梳理一下产品的核心指标"

- "我们要定北极星指标"

- "搭建一套指标体系"

interaction_mode: "ai_suggest_human_approve"

指标体系自动构建

核心原则

全量分析：对所有可用数据进行系统性分析，不遗漏关键维度
实时感知：指标体系设计支持实时监控和快速响应
自动归因：异常波动自动归因到具体原因，减少人工排查
决策规则显式化：每个告警和升级条件都有明确的量化规则

交互模式

🤖→👤 AI建议，人类审批

本Pipeline由AI自动执行指标体系构建，但关键决策点需要人类审批：

必须审批：北极星指标选择
建议审批：虚荣指标处理方案

输入

输入项	类型	必填	来源	说明
product_context	JSON	是	output/pm-strategy/planning-okr/okr.json + output/pm-strategy/business-model-canvas/bmc.json / 用户提供	产品类型、北极星指标、OKR、商业模式
existing_metrics	JSON数组	○	output/pm-metrics-design/tracking-plan/tracking-plan.json / 用户提供	已有指标清单（含名称、定义、计算方式、数据源、层级）

product_context（必填）

{
  "product_type": "string",        // 产品类型枚举
  "north_star_metric": "string",   // 如已定义则校验，否则自动推荐
  "okr": {
    "objective": "string",         // 当前阶段目标
    "key_results": ["string"]     // 关键结果
  },
  "business_model": "string"       // 商业模式描述
}

product_type枚举值：

social - 社交产品
ecommerce - 电商产品
saas - SaaS产品
content - 内容平台
gaming - 游戏产品
fintech - 金融科技
education - 在线教育
healthcare - 医疗健康
other - 其他

existing_metrics（可选）

[
  {
    "name": "string",
    "definition": "string",
    "calculation": "string",
    "data_source": "string",
    "layer": "north_star|l1|l2|actionable"
  }
]

执行步骤

Step 1: 北极星指标校验

🤖 AI处理

#### 分支A：北极星已定义

当product_context.north_star_metric已定义时：

校验项：

定义清晰性检查

是否有明确的计算公式
是否有清晰的数据来源
是否可被拆解为子指标

虚荣指标检测

   IF 符合以下任一条件 THEN 标记为潜在虚荣指标
     - 只增不减（无时间维度）
     - 无因果关联（无法指导行动）
     - 不可操作（无法被团队影响）

产品类型匹配度

   score = 基于产品类型的北极星指标推荐评分
   IF score < 0.6 THEN 建议重新选择北极星

输出：

{
  "north_star": {
    "name": "string",
    "definition": "string",
    "calculation": "string",
    "data_source": "string",
    "validation": {
      "is_valid": true,
      "is_vanity_free": true,
      "product_type_match": 0.85,
      "issues": []
    }
  }
}

#### 分支B：北极星未定义

当product_context.north_star_metric未定义时：

自动推荐逻辑：

基于 product_context.product_type 和 business_model
生成3个北极星指标候选

产品类型→北极星指标映射：

产品类型	推荐北极星指标候选
社交	1. 日活跃用户数 × 平均互动次数<br>2. 日发送消息用户数<br>3. 社交网络密度（好友关系活跃比）
电商	1. GMV<br>2. 支付订单量<br>3. 活跃买家数 × 平均客单价
SaaS	1. 付费ARR<br>2. 核心功能周活跃用户数<br>3. NRR（净收入留存率）
内容	1. 用户总时长<br>2. 人均内容消费量 × 消费用户数<br>3. 内容互动率
游戏	1. 日活跃用户数<br>2. DAU × 平均游戏时长<br>3. 付费用户LTV
金融科技	1. 活跃用户贷款/理财转化率<br>2. AUM（资产管理规模）<br>3. 风控通过率 × 放款额
在线教育	1. 完课率 × 付费学员数<br>2. 学员完课率 × NPS<br>3. 活跃学习用户数 × 人均学习时长
医疗健康	1. 核心服务使用率<br>2. 用户健康指标改善率<br>3. 用户满意度 × 复购率

输出：

{
  "north_star_candidates": [
    {
      "rank": 1,
      "name": "string",
      "definition": "string",
      "calculation": "string",
      "data_source": "string",
      "pros": ["string"],
      "cons": ["string"],
      "recommendation_score": 0.85
    }
  ],
  "requires_human_decision": true
}

Step 2: L1指标自动拆解

🤖 AI处理

输入：北极星指标定义

拆解逻辑：

基于AARRR模型，将北极星指标拆解为5个L1维度（根据产品类型可能选择其中3-5个）：

北极星指标
  ↓ 拆解
L1 维度（按AARRR）
  ├── Acquisition（获取）
  ├── Activation（激活）
  ├── Retention（留存）
  ├── Revenue（变现）
  └── Referral（推荐）

拆解规则：

FOR each L1 dimension:
  1. 识别与北极星的相关性
  2. 计算权重（基于相关性强度）
  3. 定义L1指标
  4. 确保L1指标可独立衡量

北极星→L1权重映射示例（电商）：

北极星指标	Acquisition权重	Activation权重	Retention权重	Revenue权重	Referral权重
GMV	0.15	0.15	0.25	0.35	0.10
支付订单量	0.20	0.25	0.20	0.25	0.10
活跃买家数×客单价	0.20	0.15	0.30	0.25	0.10

输出：

{
  "l1_metrics": [
    {
      "layer": "Acquisition",
      "name": "用户获取",
      "weight": 0.20,
      "calculation": "string",
      "data_source": "string",
      "relationship_to_north_star": "直接正向关系",
      "l2_metrics_count": 3
    }
  ]
}

Step 3: L2指标自动拆解

🤖 AI处理

输入：L1指标列表

拆解逻辑：

FOR each L1 metric:
  拆解 3-5 个 L2 指标
  确保每个 L2 指标:
    1. 与 L1 有明确的数学关系
    2. 可独立衡量
    3. 有明确的数据来源
    4. 可被特定团队负责

L1→L2拆解示例（电商-Activation）：

{
  "l1": "用户激活",
  "l2_metrics": [
    {
      "name": "新用户首次下单转化率",
      "calculation": "首次下单新用户数 / 新用户总数",
      "data_source": "订单系统",
      "is_actionable": true,
      "optimization_team": "增长团队"
    },
    {
      "name": "新用户激活时长",
      "calculation": "首次完成核心动作的平均时间",
      "data_source": "行为埋点",
      "is_actionable": true,
      "optimization_team": "产品团队"
    },
    {
      "name": "核心功能首次使用率",
      "calculation": "首次使用核心功能新用户数 / 新用户总数",
      "data_source": "行为埋点",
      "is_actionable": true,
      "optimization_team": "产品团队"
    },
    {
      "name": "新用户引导完成率",
      "calculation": "完成新手指引新用户数 / 开始指引新用户数",
      "data_source": "行为埋点",
      "is_actionable": true,
      "optimization_team": "UX团队"
    }
  ]
}

L2指标分类：

类型	说明	示例
转化率	漏斗各步骤转化	点击率、注册率、付费率
频次类	用户使用频率	人均使用次数、人均使用时长
质量类	使用效果/质量	满意度评分、功能使用深度
效率类	操作效率指标	页面加载时间、响应时间
覆盖类	功能/内容覆盖	品类覆盖率、功能使用率

输出：

{
  "l1_metrics": [
    {
      "layer": "Activation",
      "name": "用户激活",
      "l2_metrics": [
        {
          "name": "string",
          "calculation": "string",
          "data_source": "string",
          "type": "conversion_rate|frequency|quality|efficiency|coverage",
          "is_actionable": true,
          "optimization_team": "string"
        }
      ]
    }
  ]
}

Step 4: 行动指标自动识别

🤖 AI处理

识别逻辑：

FOR each L2 metric:
  IF 可被特定团队直接影响 AND
     可通过A/B测试验证 AND
     有明确优化路径
  THEN 标记为行动指标

行动指标特征：

可归因：可追溯到具体原因
可操作：可被特定团队采取行动
可验证：可通过A/B测试验证效果
可迭代：可在短周期内持续优化

行动指标映射示例：

L2指标	行动指标	优化方向
新用户激活时长	注册流程平均时长	简化注册步骤
首次下单转化率	新手引导流程转化率	优化引导文案
核心功能使用率	功能入口点击率	优化功能入口位置
搜索结果点击率	搜索结果首条点击率	优化排序算法

输出：

{
  "actionable_metrics": [
    {
      "name": "注册流程平均时长",
      "linked_l2": "新用户激活时长",
      "linked_l1": "用户激活",
      "optimization_approach": "通过A/B测试验证简化注册步骤的效果",
      "estimated_impact": "每降低1秒可提升3%激活率",
      "measurement_method": "A/B测试"
    }
  ]
}

Step 5: 虚荣指标自动检测

🤖 AI处理

检测规则：

#### 规则1：只增不减检测

IF 指标计算方式满足以下任一条件:
  - 累计值（无时间维度）
  - 不可逆指标
THEN 标记为「只增不减」虚荣指标

问题指标示例：

❌ 累计用户数 → ✅ 日活跃用户数
❌ 总注册量 → ✅ 日新增注册量
❌ 页面总浏览量 → ✅ 人均页面浏览量

#### 规则2：无时间限定检测

IF 指标定义中无明确时间维度:
  - 未定义统计周期
  - 无法计算变化趋势
THEN 标记为「无时间限定」虚荣指标

问题指标示例：

❌ 用户总数 → ✅ DAU / MAU
❌ 总收入 → ✅ 月度MRR / 年度ARR

#### 规则3：无因果关联检测

IF 指标无法满足以下任一条件:
  - 可关联到北极星指标
  - 可指导具体行动
  - 可归因到具体原因
THEN 标记为「无因果关联」虚荣指标

问题指标示例：

与核心价值无关的功能使用率
多个独立指标无法形成逻辑链

#### 规则4：不可操作检测

IF 指标无法满足以下任一条件:
  - 可被特定团队影响
  - 可通过产品/运营手段改变
  - 可在合理时间内看到效果
THEN 标记为「不可操作」虚荣指标

问题指标示例：

❌ 品牌知名度 → ✅ 品牌关键词搜索量
❌ 用户满意度 → ✅ NPS分项指标
❌ 市场占有率 → ✅ 垂直市场渗透率

检测结果输出：

{
  "vanity_alerts": [
    {
      "metric_name": "累计用户数",
      "alert_type": "只增不减",
      "severity": "high",
      "recommendation": "替换为「日活跃用户数」或「月活跃用户数」",
      "suggested_replacement": {
        "name": "DAU",
        "calculation": "当日活跃用户数"
      }
    },
    {
      "metric_name": "页面总浏览量",
      "alert_type": "无时间限定",
      "severity": "medium",
      "recommendation": "添加时间维度，计算「日均PV」或「人均PV」",
      "suggested_replacement": {
        "name": "人均页面浏览量",
        "calculation": "日PV / 日UV"
      }
    }
  ],
  "summary": {
    "total_detected": 2,
    "high_severity": 1,
    "medium_severity": 1,
    "all_resolved": false
  }
}

输出

存储路径：output/pm-metrics-design/metrics-system/

输出文件：metric_system.json

输出Schema：

{
  "type": "object",
  "required": ["metric_system"],
  "properties": {
    "metric_system": {"type": "object", "description": "指标体系，包含北极星指标、L1/L2指标、行动指标和虚荣指标告警"}
  }
}

metric_system

{
  "metric_system": {
    "north_star": {
      "name": "string",
      "definition": "string",
      "calculation": "string",
      "data_source": "string",
      "validation": {
        "is_vanity_free": true,
        "validation_date": "2026-05-08"
      }
    },
    "l1_metrics": [
      {
        "layer": "Acquisition|Activation|Retention|Revenue|Referral",
        "name": "string",
        "weight": 0.20,
        "calculation": "string",
        "data_source": "string",
        "l2_metrics": [
          {
            "name": "string",
            "calculation": "string",
            "data_source": "string",
            "type": "string",
            "is_actionable": true
          }
        ]
      }
    ],
    "actionable_metrics": [
      {
        "name": "string",
        "linked_l2": "string",
        "linked_l1": "string",
        "optimization_approach": "string"
      }
    ],
    "vanity_alerts": [
      {
        "metric_name": "string",
        "alert_type": "string",
        "severity": "high|medium|low",
        "recommendation": "string",
        "suggested_replacement": {}
      }
    ]
  }
}

输出校验规则

字段路径	类型	必填	说明
metric_system	object	是	指标体系根对象
metric_system.north_star	object	是	北极星指标
metric_system.north_star.name	string	是	北极星指标名称
metric_system.north_star.definition	string	是	北极星指标定义
metric_system.north_star.calculation	string	是	计算公式
metric_system.north_star.data_source	string	是	数据来源
metric_system.north_star.validation	object	是	校验结果
metric_system.north_star.validation.is_vanity_free	boolean	是	是否无虚荣特征
metric_system.l1_metrics	array	是	L1指标列表，至少3个维度
metric_system.l1_metrics[].layer	string	是	AARRR维度枚举值
metric_system.l1_metrics[].name	string	是	L1指标名称
metric_system.l1_metrics[].weight	number	是	权重，所有L1权重之和应为1.0
metric_system.l1_metrics[].l2_metrics	array	是	L2指标列表，每L1至少3个
metric_system.l1_metrics[].l2_metrics[].name	string	是	L2指标名称
metric_system.l1_metrics[].l2_metrics[].calculation	string	是	计算公式
metric_system.l1_metrics[].l2_metrics[].is_actionable	boolean	是	是否为行动指标
metric_system.actionable_metrics	array	是	行动指标列表
metric_system.actionable_metrics[].name	string	是	行动指标名称
metric_system.actionable_metrics[].linked_l2	string	是	关联L2指标
metric_system.actionable_metrics[].optimization_approach	string	是	优化方案
metric_system.vanity_alerts	array	否	虚荣指标告警列表

决策规则

规则1：北极星指标最终由人类选择

触发条件：

north_star_metric未在product_context中定义
AI生成了3个候选北极星指标

执行流程：

1. AI生成3个北极星指标候选（含评分）
2. 人类产品负责人选择最终北极星指标
3. 记录选择理由
4. 继续后续步骤

人类决策要素：

✅ 是否反映用户核心价值
✅ 是否可被团队直接影响
✅ 是否与业务发展阶段匹配
✅ 是否具备数据采集条件
✅ 是否易于被全公司理解

规则2：虚荣指标处理方案需建议性审批

触发条件：

存在高严重度的虚荣指标
AI推荐了替代指标方案

执行流程：

1. AI检测虚荣指标并生成处理建议
2. 标记需要审批的虚荣指标
3. 人类确认处理方案（或修改）
4. 执行指标替换或删除

质量检查

检查项	标准	不达标处理
北极星虚荣指标检测	无「只增不减」特征、有时间维度、可关联业务目标、可被团队影响	标记具体问题，重新推荐北极星指标，触发人类决策流程
L1-L2拆解完整性	每个L1层（Acquisition/Activation/Retention/Revenue/Referral）各有3-5个L2指标	自动补充缺失L2指标，基于AARRR模型推荐，标记补充项供人工确认
行动指标可追踪性	有明确数据来源、有可执行优化方案、可进行A/B测试验证	标记不可追踪指标，建议补充数据埋点，降低该指标优先级

降级策略

上游文件缺失降级方案

缺失范围	降级方案	输出影响
product_context缺失	提示用户提供产品类型和业务目标，基于用户输入执行	北极星推荐基于用户描述而非结构化输入
existing_metrics缺失	跳过现有指标校验，从零构建指标体系	无现有指标对比，无法检测冗余
product_context + existing_metrics均缺失	用户提供产品类型和业务目标 → 基于行业模板推荐指标体系	输出基于行业模板的指标体系，标注"待确认"

数据获取说明

当上游文件缺失时，需用户提供以下信息以支撑降级生成：

产品类型：社交/电商/SaaS/内容/游戏/金融科技/在线教育/医疗健康/其他
业务目标：当前阶段的核心业务目标（如提升GMV、提高留存率等）
商业模式：产品的商业模式描述（可选，有助于更精准推荐）

上游变更响应

当上游输入发生变更时，本Skill的响应策略：

上游变更	影响范围	响应策略
OKR调整	北极星指标、L1指标	标注受影响的指标层级，建议人类确认是否更新指标体系
商业模式变更	收入类指标定义	标注受影响的指标，建议人类确认是否更新
PRD功能变更	行动指标	标注受影响的行动指标，建议人类确认是否更新

当指标体系自身变更时，对下游的通知机制：

指标变更类型	通知范围	通知方式
北极星指标变更	tracking-plan、metrics-dashboard、monitoring-pipeline	标记核心指标变更，触发全链路更新
L1/L2指标增删	tracking-plan、metrics-dashboard	标记指标增删，触发埋点和看板更新
行动指标变更	tracking-plan	标记行动指标变更，触发埋点更新
指标定义修改	tracking-plan、metrics-dashboard、monitoring-pipeline	标记定义变更，触发相关Skill重新评估

升级路径

升级触发条件

当以下任一条件满足时，升级到人工处理：

北极星指标候选推荐失败

无法基于产品类型推荐北极星指标
推荐评分的置信度低于0.5

虚荣指标处理无法自动化

高严重度虚荣指标数量>3个
替代指标方案存在冲突

L2拆解逻辑异常

L2指标数量超出合理范围（<3或>10）
L2与L1之间无法建立逻辑关系

升级输出

{
  "escalation": {
    "trigger": "string",
    "reason": "string",
    "current_status": {},
    "ai_recommendation": {},
    "requires_human_action": true,
    "human_decision_needed": [
      "北极星指标选择",
      "虚荣指标处理方案"
    ]
  }
}

变更记录

与prd.json数据契约对齐

本Skill输出字段	prd.json对应字段	对齐规则
north_star.metric_name	prd.json.goals[].success_metrics[].metric_name	北极星指标名称与PRD主指标一致
l1_metrics[].name	prd.json.goals[].success_metrics[].metric_name	L1指标覆盖PRD所有success_metrics
actionable_metrics[].events	prd.json非功能需求.observability.Metrics	可执行指标的事件与PRD可观测性要求对齐
vanity_alerts	prd.json.goals[].success_metrics	虚荣指标告警中不得包含PRD定义的成功指标

metrics-system— agent skill

Is metrics-system safe to install?

指标体系自动构建

核心原则

交互模式

输入

product_context（必填）

existing_metrics（可选）

执行步骤

Step 1: 北极星指标校验

Step 2: L1指标自动拆解

Step 3: L2指标自动拆解

Step 4: 行动指标自动识别

Step 5: 虚荣指标自动检测

输出

metric_system

输出校验规则

决策规则

规则1：北极星指标最终由人类选择

规则2：虚荣指标处理方案需建议性审批

质量检查

降级策略

上游文件缺失降级方案

数据获取说明

上游变更响应

升级路径

升级触发条件

升级输出

变更记录

与prd.json数据契约对齐

Audit the pieces. Scan the whole. Decide.