小红书笔记表现诊断

标准流程

明确诊断时间窗、数据口径和目标。先读取 references/input-schema.md，收集品牌产品资料并把不同来源字段映射到规范字段。
判定数据粒度。优先使用“一条笔记 × 一个诊断窗口”的最新快照；不得把重叠的 7 日归因指标跨日期直接相加。
运行 scripts/diagnose_notes.py 校验字段、复算可确定的比率、分类象限并生成动作候选。脚本只接受规范化 CSV 或 JSON，不访问网络、不修改投放账户。
读取 references/diagnostic-rules.md，披露本次点击率、ROI、止损线等阈值，再诊断漏斗、人群和内容。
有封面、标题、正文、评论或商品页素材时直接核查；没有素材时只能把内容原因写成【推断】或【待验证】，不得写成事实。
读取 references/action-policy.md，按优先级为每条笔记选择一个首要行动。不得同时给出互相冲突的动作。
读取 references/output-spec.md，先输出逐条诊断，再输出全局黄金组合、待验证信号、应停止方向和团队协作问题。

用户给出 CSV、JSON、Excel、飞书表格或多维表格时，先只读获取数据并完成字段映射；涉及飞书时先完整读取 references/feishu-cli-policy.md，所有读取、链接解析和可选回写只通过 lark-cli 执行。除非用户明确要求并回复“确认执行”，不回写原数据源。
用户只粘贴少量数据时，可直接分析，但仍要确认百分比单位、ROI 窗口和每行粒度。
数据尚未提供时，只索取完成诊断所需的最小字段，不主动浏览、抓取或登录平台。