分析意图路由
TE 数据分析意图路由：自动识别分析意图并路由到正确的 ae-cli 命令或 MCP 工具，优先复用已有报表/看板，Builder 强制前置不手写 QP。
数据分析
异常诊断全行业AE Analysis Intent Skill 是 ThinkingAI 行业 Skill 库中的一项分析意图路由能力，帮助数据与运营团队从自然语言描述的分析需求出发，自动路由到正确的 ae-cli 命令或 MCP 工具——项目门控确认、已有报表/看板优先复用、Builder 强制前置生成 QP、绝对贡献归因算法、异常排查路径推荐，从"不知道该用什么命令"升级为"意图自动路由到正确工具"的精准分析模式。这正是 ThinkingAI「10 年行业经验沉淀为开箱即用 Skill」的体现。
行业痛点
数据分析是日常高频操作，但超过 50% 的团队在"意图到工具"的路径上效率低下：知道要查 DAU 趋势却不确定用报表查询还是 Ad-hoc，知道要分析付费下降却不确定用事件分析还是属性分析。更隐蔽的是贡献归因的基数谬误，凭相对百分比判断主驱因素会导致错误结论；已有报表和看板也经常被忽略，每次分析都从零 Ad-hoc 查询。
核心价值
- 意图自动路由：project_id 门控 → 报表/看板优先搜索 → Builder 生成 QP → Ad-hoc 执行，按意图自动选择最优路径
- 已有资产优先：先搜索已有报表/看板，找到匹配资产直接查询，不重复创建浪费资源
- Builder 强制前置：event/retention/funnel/prop_analysis 四类模型必须先走 Builder，不手写 QP 不猜测参数
- 绝对贡献归因：维度归因按绝对贡献排序（不按相对百分比排序），杜绝基数谬误导致的错误归因
- 双工具优先级：ae-cli 优先，te-mcp 仅在 ae-cli 无对应能力或重复非参数失败时兜底
适用场景
需要查询某个指标的趋势或异常变化
需要分析指标变化的维度归因
需要执行事件分析/留存分析/漏斗分析/属性分析
需要查看已有报表/看板的数据
需要排查数据异常根因（分渠道/版本/时间/人群逐层下钻）
需要确认 project_id 后再执行项目级查询
实战案例
常见疑问
和 ae-analysis 有什么区别？
ae-analysis 是分析平台操作手册，ae-analysis-intent 是分析意图到工具的路由规则。前者知道怎么用命令，后者知道该用哪个命令。
绝对贡献归因是什么？
维度归因按绝对变化量排序，不按相对百分比排序，避免小基数高涨幅误导决策。
te-mcp 是什么？
te-mcp 是 TE 的 MCP 协议工具，作为 ae-cli 的兜底方案，仅在 ae-cli 无对应能力或确认非参数原因重复失败时使用。
相关 Skills 推荐
用「分析意图路由」武装你的 Agent
预约演示，看看它如何在你的业务场景中落地
