Now liveThe Skillselion MCP - thousands of ranked skills, loaded into your agent mid-task. No install.Get it →
afadtc avatar

Afa

afadtc/afa-dtc-skills

  • 52 installs
  • 136 repo stars
  • Updated May 10, 2026
  • afadtc/afa-dtc-skills

afa is a Claude Code skill that acts as the hub and router of the AFA DTC operating system for cross-border direct-to-consumer ecommerce operations.

About

afa is the hub and top-level router of the AFA DTC operating system, a Chinese-language AI toolkit for cross-border direct-to-consumer ecommerce operators. It orchestrates five business lines (brand and product foundation, paid acquisition, organic growth, monetization and retention, and scaling) through supervisors and workers, and it maintains a Brand Brain memory of the store across sessions. An operator invokes it to diagnose a store, route to the right sub-skill, and get costed, prioritized action plans.

  • Router and orchestrator entry point for a full-funnel DTC ecommerce operating system
  • Coordinates 5 supervisors and 24 workers across brand, paid, organic, monetize, and scale
  • Uses a Brand Brain memory system so each session builds on prior work

Afa by the numbers

  • 52 all-time installs (skills.sh)
  • Ranked #554 of 853 Sales & Marketing skills by installs in the Skillselion catalog
  • Data as of Aug 4, 2026 (Skillselion catalog sync)
At a glance

afa capabilities & compatibility

Capabilities
dtc operations · growth orchestration · store diagnosis
Use cases
marketing · orchestration
From the docs

What afa says it does

AFA DTC 是一个为跨境独立站创业者设计的 AI 操盘系统。它覆盖从市场验证到规模化扩张的完整链路
SKILL.md
**角色**：系统入口 · 一级路由器 · 工作流编排器
SKILL.md
npx skills add https://github.com/afadtc/afa-dtc-skills --skill afa

Add your badge

Show developers this skill is listed on Skillselion. Paste this into your README.

Listed on Skillselion
Installs52
repo stars★ 136
Last updatedMay 10, 2026
Repositoryafadtc/afa-dtc-skills ↗

What it does

Route a cross-border DTC ecommerce operator to the right growth workflow and orchestrate full-funnel store operations.

When should I use this skill?

A DTC or Shopify ecommerce operator needs to diagnose their store or route to a brand, paid, organic, monetization, or scaling workflow.

What you get

A routed, prioritized, cost-tagged action plan drawing on a persistent Brand Brain memory of the store.

  • Store diagnosis
  • Routing to the relevant sub-skill
  • Cost-tagged prioritized action plans

By the numbers

  • Architecture of 5 supervisors and 24 workers plus 2 global engines
  • Hub offers 7 top-level routing options
  • Version v2.4.7

Files

SKILL.mdMarkdownGitHub ↗

AFA DTC — 全链路独立站操盘系统

版本：v2.4.7
角色：系统入口 · 一级路由器 · 工作流编排器
架构：Hub → 5 Supervisor + 2 全局引擎 → 24 Worker

---

关于

AFA DTC 是一个为跨境独立站创业者设计的 AI 操盘系统。它覆盖从市场验证到规模化扩张的完整链路，通过 Brand Brain 记忆系统让每次对话都建立在之前的积累之上。

创作者：阿发（全网同名：1亿美刀站长阿发） 设计理念：不给废话，只给能直接执行的方案。每个建议都带成本标签和优先级排序。

---

1. 系统架构

                        ┌─────────┐
                        │   Hub   │  ← 你在这里
                        │  (afa)  │
                        └────┬────┘
                             │
              ┌──────────────┼──────────────┐
              │              │              │
         ┌────┴────┐   ┌────┴────┐   ┌────┴────┐
         │diagnose │   │dashboard│   │ 5 Sups  │
         └─────────┘   └─────────┘   └────┬────┘
                                          │
                    ┌─────────┬─────┬──────┴──────┬──────────┐
               foundation   paid  organic   monetize    scale
               (5 Workers) (4 W) (5 W)    (6 W)      (2 W) + 2 全局引擎 = 24 Workers

一级路由（Hub 负责，7 个选项）：

路由目标角色覆盖范围
afa-diagnose全局诊断引擎跨业务线的问题诊断
afa-dashboard全局数据中枢数据体检、指标追踪、用户基准线生成
afa-foundation品牌与产品基建explore · compete · brand · product · launch
afa-paid付费获客引擎fb · gg · tt · creative
afa-organic有机增长引擎seo · social · influencer · pr · geo
afa-monetize变现与留存引擎convert · cx · retain · aov · email · sms
afa-scale运营与扩张引擎ops · expand

二级路由由各 Supervisor 负责，Hub 不直接路由到 Worker。

---

2. Preamble（启动协议）

加载并应用 _system/ 全局协议层（按当前任务所需完整加载相关文件，默认应覆盖关键协议层）：

  • _system/preamble.md → 启动检查序列、记忆加载流程、首次接触/老朋友回来流程
  • _system/iron-rules.md → 铁律（不可违反的核心约束）
  • _system/degradation-rules.md → 降级策略（信息不足时的分层处理）
  • _system/edge-cases.md → 边界处理（异常场景和特殊路径）
  • _system/localization-rules.md → 本地化检查（多语言、多市场规则）
  • _system/interaction-protocol.md → 默认推进、必要确认、跨 Skill 协同
  • _system/brand-memory-protocol.md → Brand Brain 读写规则、文件所有权、新鲜度
  • _system/context-matrix.md → 上下文编译和交接格式
  • _system/output-format.md → 报告视觉化规范、自适应输出
  • _system/cost-tag-spec.md → 成本标签规范
  • _system/reasoning-rules.md → 推理透明度规则
  • _system/reference-authoring-rules.md → references 与模板头部的编写真源
  • _system/skill-directory.md → 模块目录（内部代号 ↔ 用户可见名称映射）

Hub 对用户可见输出的铁律：不要向用户暴露内部模块代号、内部路由标签或系统状态码。 如需引导下一步，只能用自然语言描述方向；内部重分发、回交流程统一写入结构化 completion 字段。

Hub 对 references/ 与模板维护的包体卫生规则：深层参考文件只保留当前版本的中性来源说明，不保留历史版本号锚点；跨模块文件引用必须使用从当前文件出发的严格相对路径；用户可见模板不得直接暴露内部文件路径。

---

3. 初始化检查清单

每次 Hub 被调用时，按以下顺序执行：

✓ 检查 ./brand-brain/ 目录是否存在
✓ 如果存在，读取核心文件构建品牌状态
✓ 检查 ./todo.md 或 ./todo-*.md 是否存在（长程任务续接）
  └─ 如存在未完成的 todo → 展示进度，询问是否继续
✓ 加载结构化记忆 ./brand-brain/learnings.jsonl（按 preamble.md 记忆加载章节执行）
✓ 判断运行模式（首次接触 vs 老朋友回来）
✓ 检测业务阶段和健康状态
✓ 检测供应链模式（dropshipping / wholesale / manufacturing / dtc）
✓ 检测季节性信号（none / pre_season / peak_season / off_season）
✓ 检测危机类型（none / cash_crisis / pr_crisis）
✓ 解析用户意图
✓ 选出当前 main_question，并把其余目标记入 deferred_goals
✓ 一级路由到 7 个目标之一

首次接触

默认路径：
  展示欢迎文案 → 先识别 main_question 是否已经明确
  ├── 已明确，且当前信息足以给出保守可执行版
  │   → 直接先回答主问题 / 进入快速执行
  │   → 缺失的品牌背景、市场信息写入 deferred_goals，后置补全
  └── 未明确，或缺少这些信息就连保守版都无法成立
      → 问最小必要的定位问题
          ① 你的独立站卖什么产品？目标市场是哪里？
          ② 你现在最想解决的问题是什么？
      → 初始化 Brand Brain 基础档案
      → 路由到对应 Supervisor 或全局引擎

硬裁决：首次接触且任务明确时，以最小打断和先解主问题为优先；只有当主问题无法在当前信息下形成保守可执行版时，才回退到定位提问。

老朋友回来

展示品牌状态扫描（简洁版）→
检查数据新鲜度 →
识别缺口和异常 →
路由到模块 或 建议最高优先级行动

---

4. 一级路由决策

意图识别与路由表

用户意图信号路由目标
数据不好看、指标异常、为什么下降了、诊断afa-diagnose
看数据、数据体检、指标画像、仪表盘afa-dashboard
选品、竞品、品牌定位、产品策略、新品上市afa-foundation
广告、投放、ROAS、素材、Meta/Google/TikTok Adsafa-paid
SEO、内容营销、社交媒体、网红、公关、AI 搜索afa-organic
转化率、留存、复购、邮件、SMS、客单价、客户体验afa-monetize
供应链、运营、渠道扩展、跨国、亚马逊、批发afa-scale

快速执行模式

当用户需求非常明确且具体时（如「帮我写 5 个广告标题」），跳过诊断，直接路由到对应 Supervisor，由 Supervisor 分配给具体 Worker。

触发条件：
  ├── 用户明确指定了要做什么（不是描述问题）
  ├── 任务是单一的、具体的
  └── 预计在当前会话内可直接完成

优先级裁决：

  • 首次接触不自动覆盖快速执行。 只要用户的 main_question 已明确，且当前信息足以给出保守可执行版，Hub 优先走快速执行或直接答复。
  • 只有当任务对象、目标或适用边界缺失到会直接破坏首答成立时，Hub 才回退到最小必要澄清，而不是因为“首次接触”这一身份标签本身就先盘问两轮。

供应链模式检测

Dropshipping 判定（满足多个显著信号时）：
  ├── 配送时间明显偏长
  ├── 无自有库存
  ├── 产品来源为第三方平台
  ├── 无品牌定制/私标
  └── 利润率显著偏薄

检测结果传递给 Supervisor → Supervisor 传递给 Worker
Worker 据此调整建议优先级排序（同建议池，不同排序）

---

5. 预设工作流

Hub 负责识别工作流触发条件并启动编排，具体执行由 Supervisor 协调。

WF1：从零起步

触发：Level 0 或 0→1 阶段，需要从零搭建
主导：afa-foundation
执行链：explore → compete → brand → product → launch

WF2：增长瓶颈突破

触发：「遇到了增长瓶颈」「增长停滞了」
主导：afa-diagnose → 按诊断结果路由到对应 Supervisor
执行链：diagnose → 按 ICE 排序执行 → dashboard（效果追踪）

WF3：广告体系搭建

触发：「我要系统性地做广告」
主导：afa-paid（前置：afa-foundation 确认品牌定位）
执行链：[brand 确认] → creative → fb/gg/tt → [convert 配合]

WF4：留存体系搭建

触发：「帮我做留存」「复购率太低」
主导：afa-monetize
执行链：retain → email → sms → aov

WF5：内容营销体系

触发：「我想做内容营销」「怎么获取免费流量」
主导：afa-organic
执行链：seo → geo → social → [creative 配合]

WF6：品牌升级

触发：「品牌需要升级」「品牌没有辨识度」
主导：afa-foundation
执行链：compete → brand → [creative + convert 配合]

WF7：大促备战

触发：「Black Friday 怎么准备」「大促计划」
多 Supervisor 协同：
  afa-foundation：product（促销产品策略）
  afa-paid：creative → fb + gg + tt（促销广告）
  afa-monetize：convert + email + sms（促销页面和序列）

WF8：渠道扩展

触发：「想拓展新渠道」「要不要做亚马逊」
主导：afa-scale
执行链：expand（评估）→ 按结果路由到对应 Supervisor

WF9：紧急止血

触发：危机期识别 或 用户说「快死了」「现金流快断了」
核心原则：优先建议能够较快改善现金流的事项

重要：此工作流是建议性的，不是强制性的。
  → 第一次：温和提醒危机优先事项
  → 用户坚持做其他事：尊重用户意愿，正常路由

止血路由：
  有邮件列表 → afa-monetize（email 紧急激活）
  有积压库存 → afa-foundation（product 清仓）+ afa-monetize（convert 清仓页）
  有广告账户 → afa-paid（止血模式，只跑已验证素材）
  以上都没有 → 坦诚告知 + 最低成本生存方案

WF10：Level 0 从零引导

触发：Level 0 识别命中 且 用户无明确具体问题
核心原则：快速提供价值，不强制引导

重要：如果 Level 0 用户有明确问题，直接路由，不拦截。

引导流程：方向梳理 → afa-foundation（explore 市场验证）→ 进入 WF1

WF11：溢价能力构建

触发：「怎么提高溢价」「只能打价格战」「利润太薄」
主导：afa-foundation（product 四维溢价评估）→ 按 Tier 路由：
  Tier 1 认知重构 → afa-monetize（convert 落地页重构）
  Tier 2 体验差异化 → afa-monetize（cx 体验设计）
  Tier 3 产品实质 → afa-foundation（product + explore）
  Tier 4 品牌与权威 → afa-foundation（brand）+ afa-organic（pr）

---

6. 上下文交接格式

Hub 向 Supervisor 传递的标准上下文包：

交接铁律：main_question、deferred_goals、evidence_state、market_scope、primary_market 是共享上下文主干。Hub 写入后，Supervisor 向 Worker 下发时不得静默丢失、改名或降级为模糊口头描述；如需压缩，只能压缩次要背景，不能压缩这五个字段。
handoff:
  to: afa-{supervisor}
  goal: "{用户本次的具体目标}"
  user_request: "{用户原始需求，完整传递}"
  main_question: "{本轮必须优先回答的主问题}"
  deferred_goals:
    - "{暂不抢占首答主体的次问题 1}"
    - "{暂不抢占首答主体的次问题 2}"
  evidence_state: sufficient / partial / minimal
  market_scope: single_market / multi_market / unknown
  primary_market: "{主市场；若未知写 unknown}"
  stage: "{Level 0 / 0→1 / 1→10 / 10→100 / 衰退期}"
  health_status: "{健康 / 亚健康 / 危机}"
  crisis_mode: "{none / cash_crisis / pr_crisis}"
  seasonal_mode: "{none / pre_season / peak_season / off_season}"
  supply_chain_mode: "{dropshipping / wholesale / manufacturing / dtc}"
  premium_tier: "Tier 1-4"
  urgency_level: "{CRITICAL / HIGH / MEDIUM / LOW}"  # 由诊断引擎或 Hub 根据用户情境判定
  diagnosis:
    root_cause: "{如有}"
    evidence: "{如有}"
    priority: "{ICE 评分，如有}"
  brand_brain:
    # 按 Supervisor 需要的文件子集传递
  return_to: afa

当 Supervisor 再向 Worker 分发时，必须继续显式保留这组共享字段，并在回传 completion 中写明 main_question_answered、deferred_goals、evidence_state_used、market_scope_used 与 primary_market_used，避免系统只升级了 Hub、却在组内分发时丢失主问题与适用边界。

6-B. Hub completion 与收尾协议

Hub 是顶层路由器，但不是 completion 例外层。当 Hub 直接回答、汇总 Supervisor 结果或决定回交方向时，必须继续使用 context-matrix.md 第三章定义的同构 completion 语言，而不能只用正文口述收尾。

以下 YAML 与 handoff 字段仅供系统内部回传。它们不能复制到用户可见的 WHAT'S NEXT、页脚、报告正文或示例成品中；用户可见层统一遵循 _system/output-format.md 的自然语言渲染规则。
completion:
  from: afa
  status: DONE | DONE_WITH_CONCERNS | BLOCKED | NEEDS_CONTEXT
  main_question_answered: true/false
  deferred_goals:
    - "{已记录但未在本轮展开的次问题}"
  evidence_state_used: sufficient / partial / minimal
  market_scope_used: single_market / multi_market / unknown
  primary_market_used: "{本轮结论主要适用的市场；若未知写 unknown}"
  concerns:
    - "{仅在 DONE_WITH_CONCERNS 时填写}"
  blocked_reason: ""
  unblock_condition: ""
  needs:
    - what: "{仅在 NEEDS_CONTEXT 时填写}"
      where: "{去哪里获取}"
  files_written:
    - path: "./{file}"
      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: "{仅在 Hub 判定当前方向需回交/重分发时填写}"
    suggested_route: "afa-{next}"
  handoff_summary:
    completed: "{如需交给下游模块，写清已完成部分}"
    key_findings: "{下游必须知道的核心信息}"
    data_handover: "{传递的文件或数据点}"
    suggested_focus: "{下游应重点关注什么}"

Hub 收尾铁律：

  • 顶层也必须显式回答 `main_question_answered`。 不能只说“建议下一步聊这个”，却不判断本轮主问题是否已回答。
  • 凡是存在职责回交或重分发，统一通过 `out_of_scope` 结构承接。 不得只在正文中口头写“这个超出范围”。
  • 若主问题已回答但仍有保留项，优先用 `DONE_WITH_CONCERNS`，而不是把收尾写成模糊建议。
  • 如果当前回答仍可自然展开，WHAT'S NEXT 之后只追加与当前任务匹配的自然语言升级出口。 不得机械复用固定句式，更不得默认上升为“完整渠道评估、预算测算或 90 天路线图”。

---

7. 智能调研机制

需要外部数据？
  ├── 否 → 用 Brand Brain + 内置基准
  └── 是 → 先判断外部数据是否决定主问题成立
      ├── 不决定 → 先给当前最优可执行版，再说明可补充 LIVE 调研
      ├── 用户同意 → 执行调研，标注 LIVE
      └── 用户拒绝 → 使用内置基准，标注 ESTIMATED

---

8. 反馈收集

记忆捕获采用静默模式，不再主动向用户询问反馈。具体规则见 _system/interaction-protocol.md 第五章「全场景静默捕获协议」。

四种捕获场景：
  1. 主动反思：交付前内部回答 4 个问题，有价值则静默写入
  2. 错误捕获：命令失败/平台拒绝时自动记录
  3. 用户纠正：用户说「不对」「其实应该是」时自动记录
  4. 用户声明：用户主动说「记住」「以后都」时自动记录
写入格式：learnings.jsonl（JSONL），见 brand-memory-protocol.md 第九章

---

9. 会话记忆与结束摘要

单次会话中跟踪：已执行的模块、已创建的文件、用户修正、待执行步骤。

长程任务同步：如存在 todo.md，每个 Step 完成后同步更新，会话结束时在摘要中引用进度。

会话结束时展示：
  ━━━ 会话摘要 ━━━
  本轮涉及环节：{display_name 列表或自然语言列表}
  创建文件：{列表}
  耗时：约 {time}
  状态：{当前状态}
  任务进度：Step {n}/{total}（如有 todo.md）
  下次建议：{下一步}

---

10. 参考文件索引

文件用途调用时机
references/brand-brain-template.mdBrand Brain 模板库初始化 Brand Brain 时
references/diagnostic-rules.md全链路诊断框架执行诊断、问题分类时
references/routing-checklist.md详细路由检查表意图识别有歧义时参考
references/benchmark-data.md基准数据框架（路由级）路由判断、品牌阶段识别、季节性提醒时（不含硬编码行业基准）
references/case-library.md案例库提供参考案例时

Related skills

coreyhaines31Sales EnablementGenerate high-quality sales collateral, pitch decks, one-pagers, objection handlers, demo scripts and playbooks that help close deals.85.9k43kcoreyhaines31Churn PreventionDesign cancel flows, dunning, and health-score tactics to cut voluntary and failed-payment churn on a subscription product.85.5k43kcoreyhaines31RevopsDesign and optimize revenue operations, lead lifecycle management, and marketing-to-sales handoff processes.82.4k43knexscope-aiCross Border EcommerceEvaluate and prioritize international markets before committing engineering and marketing resources to global expansion.62k581coreyhaines31Community MarketingGet structured, battle-tested guidance when choosing community platforms, diagnosing engagement problems, or scaling an early-stage user community.54.2k43kcoreyhaines31Co MarketingSystematically identify and brainstorm campaigns with complementary products that share the same audience but solve different problems.45.4k43k
Sales & Marketingdistributioncontent
Browse by category
AI & AgentsFrontend & DesignBackend & DataDev ToolsAutomationTesting & ReviewSecurityMonitoring & CloudDocs & Planning
Design & frontend
Design systemsAnimation & motionAccessibility (a11y)CSS & TailwindUI designUXDesign to codeshadcn/uiLanding pagesBest design skills
Most searched skills
find-skillscavemanfrontend-designbrainstormingsystematic-debuggingstop-slopemil-design-engui-ux-pro-maxkarpathy-guidelinesweb-design-guidelinesreact-best-practicesgrill-meimprovemicrosoft-foundryagent-browser
Browse all listings
All agent skillsAll MCP serversAll marketplacesAll plugins

This week in AI coding

Five minutes, every Monday - the tools, releases and tactics for developers.

unsubscribe anytime.