企业官网建设流程全解析

AI 商业分析师 Agent 深度解析：agents24/agents 仓库 business-analytics 插件的 KPI、数据叙事与智能洞察实战指南

【免费下载链接】agentsMulti-harness agentic plugin marketplace for Claude Code, Codex, Cursor, OpenCode, GitHub Copilot, and Google Antigravity项目地址: https://gitcode.com/GitHub_Trending/agents24/agents

本文以 agents24/agents 多 Harness Agent 插件市场中 business-analytics 插件的核心 Agent —— business-analyst.md —— 为绝对主体展开。该 Agent 面向"商业智能（BI）与战略分析"场景，能力覆盖现代分析平台、AI 增强型 BI、KPI 框架设计、财务建模、客户与市场分析、数据可视化叙事、统计分析、数据治理与流程优化九大域。通读本文后，你将掌握：该 Agent 的完整能力边界与其 frontmatter 的触发与模型配置语义、它在仓库中的组合结构（配套的data-storytelling与kpi-dashboard-design技能）、其八大响应工作流，以及如何在 Claude Code、Codex、Cursor、OpenCode、Copilot、Antigravity 等 Harness 中按声明的方式调用与复用这套分析方法论。

一、Agent 是什么：一段可移植的"专家系统提示词"

在 agents24/agents 这个"多 Harness 插件市场"里，Agent 本质上是一个带 YAML frontmatter 的 Markdown 文件，其正文即系统提示词。按 architecture.md 中"单一职责"原则，business-analyst 属于 26 个业务类目之一，被 docs/agents.md 收录在Business & Operations / Business Analysis & Finance分组下（docs/agents.md#L182-L184），定位为 "Metrics analysis, reporting, KPI tracking"。

在插件市场注册表中，.claude-plugin/marketplace.json 中该插件元数据如下（以仓库实际内容为准）：

{ "name": "business-analytics", "source": "./plugins/business-analytics", "description": "Business metrics analysis, KPI tracking, financial reporting, and>name: business-analyst description: Master modern business analysis with AI-powered analytics, real-time dashboards, and>-- 面板 MRR 口径：年付÷12、季付÷3、月付原值 CASE subscription_interval WHEN 'monthly' THEN amount WHEN 'quarterly' THEN amount / 3.0 WHEN 'yearly' THEN amount / 12.0 END AS normalized_mrr

2. 面板绿灯但用户投诉——面板可能只跟踪了滞后指标（如 API 可用性 99.9%），需补充用户感知指标：P95 页面加载、任务完成率、工单量，与基础设施指标并列展示。
3. 留存群组一片平坦——很可能是用created_at::date而非DATE_TRUNC('month', created_at)切分，导致群组过碎看不出趋势；应改用月度截断。
4. 实时面板压垮数据库——把复杂 cohort SQL 的实时查询改为定时任务写预聚合快照表，面板只读快照（OLAP/OLTP 分离）：

# 由 cron/Celery 每 5 分钟调度的汇总任务（示意） def refresh_mrr_summary(): conn.execute(""" INSERT INTO kpi_snapshot (metric, value, snapshot_at) SELECT 'mrr', SUM(...), NOW() FROM subscriptions WHERE status = 'active' ON CONFLICT (metric) DO UPDATE SET value = EXCLUDED.value """)

5. 静态阈值导致告警疲劳——改用基于滚动均值的动态基线，指标偏离自身基线超过 2 个标准差才告警：

def is_anomalous(current: float, history: list[float]) -> bool: mean = statistics.mean(history) stdev = statistics.stdev(history) return abs(current - mean) > 2 * stdev

references 层（details.md）补充了三类材料：按部门（销售/市场/产品/财务）整理的 KPI 清单（如销售域的 MRR/ARR/ARPU/赢单率/平均单额，产品域的 DAU/MAU/粘性/NPS/激活率/留存率）；三种布局 ASCII 原型（Executive Summary、SaaS Metrics 含单位经济学与群组留存、实时 Operations Center）；以及可直接落地的 SQL 与 Streamlit 实现——MRR 及环比增速（LAG窗口函数）、按月群组留存、营销 CAC（含NULLIF防除零），和一份完整的 Streamlit 执行仪表盘（st.metricKPI 卡、Plotly 趋势线/环形图、go.Heatmap群组热力图、告警区）。

5.2 contenteditable="false">【免费下载链接】agentsMulti-harness agentic plugin marketplace for Claude Code, Codex, Cursor, OpenCode, GitHub Copilot, and Google Antigravity项目地址: https://gitcode.com/GitHub_Trending/agents24/agents