Agent Analytics

核心用法

Agent Analytics 是一款面向 AI 构建者的无头化分析管理工具，核心解决多终端产品（主站、文档、博客、落地页、免费工具等）的统一增长运营问题。用户通过 npx --yes @agent-analytics/cli@0.5.28 执行所有操作，无需打开仪表盘即可完成项目创建、埋点安装、跨终端对比、数据查询与增长分析。

显著优点

1. AI 原生工作流：支持从代码、对话或终端直接驱动分析任务，契合现代构建者的多端协作习惯
2. 项目-终端-产品组合三层架构：清晰区分项目（本地产品学习单元）、终端（用户触点）、产品组合（跨项目增长系统），避免数据扁平化
3. 闭环增长方法论：内置漏斗、留存、路径、实验等固定命令，配合「诊断-指标定义-证据-细分-注意事项-下一步」的回答契约，确保分析产出为产品决策而非原始数据
4. 中文支持完善：提供中文文档与 OpenClaw 专用安装指南
5. 隐私优先的身份体系：支持邮箱 HMAC 索引查询，原始邮箱不存储在事件行中

潜在局限

1. 功能分层限制：漏斗、留存、会话路径、长历史查询等高级功能需 Pro 订阅（免费版 10 万事件/月，2 个项目）
2. 查询能力边界：query 命令的 group_by 仅支持内置字段（event/date/user_id/session_id/country），不支持任意 properties.* 字段分组，复杂归因分析需反馈申请
3. 身份打通门槛：跨项目身份识别需同时配置浏览器端 data-link-domains 与服务端产品组合，单边配置不完整
4. 实验功能相对基础：创建实验需手动指定变体与目标事件，暂不支持自动流量分配或复杂多臂 bandit 算法

适合人群

• 同时运营多个相关产品的独立开发者或小团队
• 希望将增长分析嵌入 CI/CD 或代理工作流的 AI 构建者
• 需要跨终端（Web/文档/博客/移动端）统一数据视角的产品团队
• 偏好命令行与代码驱动、厌恶仪表盘切换的技术型用户

常规风险

• 误用实验解读：工具内置严格的实验解读规范（需检查护栏指标、样本量、因果性与实际显著性），但用户仍可能误将相关性当因果
• 过度埋点倾向：虽文档强调「最小必要事件」，但新手可能因自动采集能力而忽视事件设计的决策价值对齐
• 身份配置盲区：跨域身份打通需两端配置，遗漏会导致归因断裂，但错误配置可能被误判为转化流失
• 时间窗口混淆：CLI 不支持 24h 简写，精确滚动窗口需手动构造时间戳过滤，易误用 --days 1 近似

核心用法

Agent Analytics 是专为 AI Builder 设计的无头化（headless）分析管理工具，支持在代码、对话或终端环境中直接操作。核心工作流包括：

1. 项目与追踪管理：通过 npx --yes @agent-analytics/cli@0.5.28 创建项目、安装追踪代码、配置多表面（surface）监控
2. 数据查询与分析：支持漏斗（funnel）、留存（retention）、路径（paths）、实验（experiments）、细分（breakdown）等固定命令
3. 增长闭环诊断：遵循"诊断→指标定义→证据→细分→注意事项→下一步"的标准输出格式
4. 多项目组合管理：通过 portfolios 命令管理相关产品矩阵，支持跨项目身份识别

显著优点

• AI-native 设计：专为 Agent 环境优化，支持 OpenClaw、Codex、Cursor 等主流 Agent 运行时
• 无头化操作：无需打开浏览器仪表板，所有操作可通过 CLI 完成
• 多表面支持：原生处理现代产品常见的多域名、多入口场景（主站/docs/博客/工具页等）
• 标准化输出：强制采用产品增长语言（激活、留存、 cohort、漏斗瓶颈等），避免原始数据堆砌
• 安全认证友好：支持浏览器授权（默认）和分离式授权（--detached，适用于 issue-based 环境）
• 开源可信：CLI 完全开源（MIT），托管服务有明确免费额度（10万事件/月，2个项目）

潜在缺点与局限性

• 功能分层限制：漏斗、留存、实验等高级功能需要 Pro 付费 tier，免费 tier 有读取上限
• 查询复杂度：query 命令的 --filter 参数需要 JSON 构造，存在误用风险；文档明确警告不要直接使用用户原始文本
• 学习曲线：需要理解"项目-表面-组合"三层模型，以及 Agent Analytics 特定的指标语义（如 strict_survivors vs raw_activity）
• 实时性限制：部分分析基于批处理数据，非完全实时
• 地域依赖：核心服务托管在境外，国内使用可能受网络延迟影响

适合人群

• AI Builder / Indie Hacker：同时运营多个产品或产品矩阵，需要跨项目统一分析视角
• Agent 工作流开发者：构建自动化增长审计、实验分析、留存诊断等 Agent 任务
• 全栈开发者：希望在编码环境中直接完成分析操作，减少上下文切换
• 数据驱动的产品团队：需要标准化增长分析语言，避免"拍脑袋"决策

常规风险

1. 数据隐私：虽然符合 GDPR/CCPA，但分析数据需传输至 Agent Analytics 托管服务，敏感业务数据需谨慎评估
2. 供应商锁定：深度使用项目上下文、实验系统等高级功能后，迁移成本较高
3. 版本锁定依赖：Skill 强制要求使用固定版本 CLI（@0.5.28），版本更新需要同步更新 Skill 配置
4. 授权流程中断：分离式登录需要用户手动完成浏览器授权并返回 finish code，在自动化流程中可能形成阻塞点
5. 指标误读风险：文档多次强调"漏斗显示流失但不能证明原因""相关性不等于因果"，需要使用者具备基础的增长分析素养