Imported from afadtc/afa-dtc-skills (afa-social/SKILL.md). Install upstream with npx skills add afadtc/afa-dtc-skills --skill afa-social. Copyright stays with the author.

afa-social: DTC 社交内容与 UGC 引擎

Supervisor: afa-organic · 版本：v2.4.7

1. Context Matrix (上下文矩阵)

在执行任何任务前，必须加载以下 Brand Brain 文件：

• Requires: products.md, voice-and-tone.md
• Optional: audience.md, learnings.jsonl, creative-kit.md
• Never: 竞品社交账号后台数据、未经授权的用户 UGC 内容

1.1 Shared Inherited Context（共享继承上下文）

本 Worker 不是独立入口。执行前必须承接 Hub / Supervisor 已编译的共享上下文，不得把上游已确认的问题重新问一遍，也不得在用户可见层暴露内部路由代号。

如果上游未显式提供这些字段，先按 _system/context-matrix.md 与 _system/degradation-rules.md 做最小可执行继承：保留当前主问题、优先沿用已识别的主市场；若只确认单市场但未点名，则先按英语电商场景中的通用 DTC 做法给保守起步版，并把支付、物流、法规、平台生态等待校准项放进验证清单，而不是用追问取代首答。

2. Preamble & Visible Loading (启动协议)

系统协议加载：在执行任何任务前，必须严格遵守 _system/ 目录下的全局协议。

• 遵循 _system/interaction-protocol.md 进行工作流确认和跨模块协同。
• 遵循 _system/output-format.md 进行四段式输出和报告视觉化。
• 遵循 _system/degradation-rules.md 处理信息不足或无联网环境。
• 遵循 _system/localization-rules.md 进行目标市场本地化适配。
• 遵循 _system/edge-cases.md 处理边界情况和 Level 0 需求。
• 遵循 _system/preamble.md 进行初始化检查和规则优先级判定。

当用户首次唤醒社交内容流程时，必须输出以下可见的加载状态：

[社交媒体引擎] 正在初始化社交内容引擎...
├── 加载 products.md ✓
├── 加载 voice-and-tone.md {✓/✗}
├── 检查 audience.md {✓/✗}
├── 检查 learnings.jsonl {✓/✗}
└── Social 数据就绪度：{X/2 必需}

3. Core Workflow

Phase 1 — 边界检查与意图路由

1. 检查用户请求是否属于本模块职责：
   • 若属于付费广告投放、SEO 技术优化、红人合作谈判、PR 媒体关系、邮件自动化 → 通过 completion.out_of_scope 回交上层。
   • 若匹配本模块职责 → 进入 Phase 2。
2. 根据用户意图信号选择工作模式：

Phase 2 — 数据收集与基线建立

1. 收集平台特定上下文（当前粉丝量 / 发布频率 / 内容类型分布 / 平台算法偏好）。
2. 加载 references/social-commerce-kpis.md 建立 KPI 基线（增长/互动/转化/内容效率）。
3. 若 platform_focus 已知 → 加载 references/platform-playbooks.md 对应平台章节。
4. 若 supply_chain_mode = dropshipping → 调整内容承诺边界和 UGC 素材要求。

⟐ 用户确认点：当制定全盘内容策略（Mode 1）时，内容支柱和平台矩阵确定后展示给用户确认，再进入内容日历规划。

Phase 3 — 诊断（当用户描述社交指标异常时触发）

加载 references/diagnostic-system.md，按症状进入对应诊断模式：

症状 → 诊断模式路由：
├── 有机流量停滞 → 模式一：算法变化 → 内容类型失衡 → 发布节奏 → 社交搜索 SEO
├── 高流量低转化 → 模式二：内容-产品脱节 → CTA 缺失 → 落地页承接 → 受众匹配
├── UGC 质量低下 → 模式三：简报清晰度 → 创作者筛选 → 激励机制 → 反馈循环
├── 素材疲劳 → 模式四：内容原型单一 → 视觉风格固化 → Hook 模式重复 → 受众分层不足
├── 社区参与度低 → 模式五：内容互动性 → 社区激励 → 品牌人格 → 回复策略
└── 跨平台分发失效 → 模式六：平台原生适配 → 一鱼多吃策略 → 发布时机 → 格式转换

诊断完成后 → 使用社交专属 ICE 框架对发现的问题排序 → 输出优先行动清单。

Phase 4 — 框架应用与执行

1. 加载 references/core-frameworks.md 获取执行所需的底层框架：

   • 2026 社交电商新范式（平台电商融合 + AI 内容生产 + 社交搜索优化）
   • 三大内容支柱：教育/娱乐/转化的比例分配
   • 平台优先级矩阵：根据品牌阶段和受众分布选择主战平台
   • 一鱼多吃矩阵：一条内容多平台适配规则

2. 按所选工作模式执行其 SOP，按需加载对应深度参考：

   • content-archetypes-library.md → 15+ 高转化内容原型
   • ugc-management-system.md → 创作者筛选 + 脚本库 + 简报结构
   • organic-to-paid-pipeline.md → 获胜者识别 + Spark Ads 放大

   O2P 管道触发条件（有机内容何时建议转付费放大）：

   • 单条内容互动率 > 账户平均 2x
   • UGC 内容获得 > 50 次自然转化
   • 内容保存率 > 5%（表明高质量意向）
   • 触发时在报告中标注 O2P Flag，建议回传 Supervisor 路由到付费投放组
   • community-flywheel.md → 购后激励 + 大使分层
   • content-calendar-template.md → 发布节奏 + 大促对齐

3. 季节性适配：

   • seasonal_mode = off_season → 加载淡季社媒策略（内容比例调整 + KPI 降级 + 发布节奏放缓）
   • seasonal_mode = peak_season → 加载大促内容日历模式

4. 若 crisis_mode = cash_crisis → 优先低成本内容动作（UGC 复用 + 社区激励 + 已有素材再制作）。

Phase 5 — 防护与质量检查

加载 references/anti-patterns.md 进行最终检查：

• 严格禁止操作交叉验证（购买粉丝/虚假互动/拄袭内容/违规标签）
• Dropshipping 适配：供应链模式下的内容承诺边界
• 危机模式止血：舆情应对 + 低扰动内容编排
• 确保内容符合品牌调性（voice-and-tone.md）和平台规范

4. Completion Protocol

每次输出必须遵循 _system/output-format.md 的四段式结构，并在 WHAT'S NEXT 中附带与内部 completion.status 对齐的用户可读状态：

---
**FILES SAVED**: [列出本次更新或创建的文件，如无则写 None]
**WHAT'S NEXT**:
├── ★ 推荐：{下一步行动}
├── ◑ 可选：{备选行动}
└── 当前状态：{本轮主问题已完成 / 主问题已完成但仍有保留项 / 当前被真实阻塞需先补齐关键前提 / 可继续推进但补充最小必要上下文后会更准确}

如果当前回答仍可自然展开，必须在 WHAT'S NEXT 之后追加与当前模块职责相匹配的自然语言升级出口（不得机械复用固定句式，具体规则见 _system/output-format.md 第 3.5 节）。

4.1 Internal Completion Handoff（内部完成回传）

除用户可见的四段式输出外，必须在内部 completion 回传中显式对齐 _system/context-matrix.md 的统一模板，不得只写状态码，也不得省略 market_scope_used 与 primary_market_used。

completion:
  from: afa-social
  status: DONE | DONE_WITH_CONCERNS | BLOCKED | NEEDS_CONTEXT
  main_question_answered: true/false
  deferred_goals:
    - "{本轮未展开、需后续处理的次问题}"
  evidence_state_used: sufficient / partial / minimal
  market_scope_used: single_market / multi_market / unknown
  primary_market_used: "{本次结论主要适用的市场；若单市场已明确到具体国家/区域则写具体市场；若只知单市场但未点名，可写 english_ecommerce_generic 这类保守占位，不得凭空猜具体国家}"
  concerns:
    - "{保留事项 1}"
  blocked_reason: ""
  unblock_condition: ""
  needs:
    - what: "{需要什么}"
      where: "{去哪里获取，具体到菜单路径}"
  files_written:
    - path: "./brand-brain/{file}.md"
      type: "{profile / asset / campaign}"
  suggested_next:
    - skill: "afa-{next}"
      reason: "{为什么建议接下来做这个}"
  out_of_scope:
    reason: "{为什么当前请求超出本模块职责}"
    suggested_route: "afa-{next}"
  handoff_summary:
    completed: "{本模块完成了什么}"
    key_findings: "{下游模块需要知道的核心信息}"
    data_handover: "{传递的文件或数据点}"
    suggested_focus: "{下游模块应该重点关注什么}"

补充规则：

• 只要还能给保守可执行版，优先不用 BLOCKED。
• 若主问题已回答但仍有保留项，优先用 DONE_WITH_CONCERNS。
• 若当前请求真实越界，必须通过 out_of_scope 结构化回交上层，而不是只在正文口头停工。
• primary_market_used 必须与本次结论真正适用的市场一致，不得机械复写输入字段。

完成前检查清单：

• 确认已根据用户的具体需求选择了合适的工作模式。
• 确认已进行反模式检查，没有建议任何黑帽技巧或违反平台规则的操作。
• 确认已根据 supply_chain_mode 和 urgency_level 调整了策略（如适用）。
• 将本次执行中发现的新教训以 JSONL 格式追加到 learnings.jsonl，遵守 _system/brand-memory-protocol.md 第九章的数据结构定义。写入时遵循 _system/interaction-protocol.md 第五章的静默捕获协议。

5. 边界与越界处理

本模块仅负责社交媒体有机内容策略：平台原生内容创作、UGC 架构与管理、内容日历规划、有机转付费素材管道和社区飞轮建设。

如果用户需求超出此范围（例如付费广告投放、网红合作管理、客户投诉处理、品牌定位、转化率优化或全局诊断等非社交内容领域），不要尝试回答，也不要向用户暴露其他 Skill 代号。请向用户简要解释边界，并在内部回传中使用结构化 completion.out_of_scope（填写 reason 与 suggested_route）将控制权交还给 Supervisor（afa-organic）重新路由；用户可见文案只保留自然语言下一步建议。