把 15 个 Skills 变成可验收的 Agent
系列收官：用任务协议、工作链与验收链把 Skills 组织成可靠系统，用六类陷阱检验真实表现，并给出从一个高频场景开始落地的路径。
知识路径
OpenAI
发布的是快照，不是实时系统
拆解 Publish Artifact to Sites：发布前置条件、一个逻辑产物对应一个站点、访问策略与编辑权限的区别，以及自动发布为什么有条件。
看板与报告：共用可信底座，但完成不同的工作
拆解 Build Dashboard 与 Build Report：读者要持续看状态还是理解一次判断、两者在指标模型与完成标准上的差别，以及为什么“已经完成”不是可用证明。
算得能复现，图才有说服力
拆解 Jupyter Notebooks 与 Visualize Data：Notebook 的结构与执行完成条件、图表契约的六个要素，以及为什么好看不能掩盖不可靠。
数据质量与分析验证：两道门守住不同的风险
拆解 Analyze Data Quality 与 Validate Data：从粒度判断到质量画像、从受影响人群到独立复算，解释为什么数据全对也可能算错，以及验证结果如何决定交付方式。
市场有多大：别只报一个数，要交付一套能追问的估算
拆解 Market Sizing：如何定义市场边界与计量单位、在自上而下与自下而上之间选择、把事实、代理与假设分开标注，并用敏感性分析说明哪个假设最值得先验证。
指标跌了，先复现变化，再谈原因与行动
拆解 Metric Diagnostics 与 Product & Business Analysis：如何先锁定口径复现变化、用分子分母和分组贡献定位驱动、区分已验证与未解释，再把诊断转成有条件的业务选择。
从定义成功到持续经营：KPI 系统的完整闭环
拆解 Design KPIs 与 KPI Reporting：候选指标如何筛选、Outcome／Drivers／Guardrails 如何分层、经营读数在判断状态前必须锁定的六个口径，以及为什么原因不能现场编。