| name | monthly-insights |
| description | Use when asked to summarize or analyze monthly user activity and interaction data. Queries DB for MAU, DAU trends, check-in counts, reactions, comments, follows, retention rate, and top users/practices. Generates narrative insights via daodao-ai-backend LLM and outputs a markdown report or writes to Notion. |
Monthly User Insights
查詢指定月份的用戶活躍與互動資料，透過 LLM 撰寫洞察摘要，輸出報告或寫入 Notion。
Instructions
步驟 1：確認參數
若使用者未指定，用 AskUserQuestion 確認：
- 月份：YYYY-MM 格式（預設：當月）
- 輸出方式：markdown 印出 / 寫入 Notion / 兩者都要
步驟 2：查詢核心活躍指標
用 daodao-pg-prod::query 依序執行（可並行）：
- MAU（本月至少打卡 1 次的不重複用戶數）
- DAU 趨勢（每日不重複打卡用戶，用於觀察趨勢）
- 打卡總數與人均
- 新用戶數（本月 created_at）
- 新建實踐數 vs 完成實踐數
詳細 SQL 見 docs/agent/skills/monthly-insights.md。
步驟 3：查詢互動指標
- 按讚 / 留言 / 新追蹤 總數
- 熱門實踐 Top 10（被按讚最多）
- 最活躍用戶 Top 10（打卡次數最多，顯示 display_name + user_id，不顯示 email）
步驟 4：計算留存率
上月活躍用戶中，本月仍活躍的比例。
WITH prev AS (SELECT DISTINCT user_id FROM practice_checkins WHERE created_at >= '{PREV_START}' AND created_at < '{PREV_END}'),
curr AS (SELECT DISTINCT user_id FROM practice_checkins WHERE created_at >= '{START}' AND created_at < '{END}')
SELECT COUNT(p.user_id) AS prev_mau,
COUNT(c.user_id) AS retained,
ROUND(COUNT(c.user_id)::numeric / NULLIF(COUNT(p.user_id),0) * 100, 1) AS retention_rate
FROM prev p LEFT JOIN curr c ON c.user_id = p.user_id;
步驟 5：LLM 生成洞察摘要
整理所有數字後，呼叫 daodao-ai-backend LLMClient.generate()，backend 使用 gemini。
要求輸出 JSON：
{
"summary": "整體摘要（80 字以內）",
"highlights": ["亮點 1", "亮點 2", "亮點 3"],
"concerns": ["需關注 1", "需關注 2"],
"recommendations": ["建議行動 1", "建議行動 2", "建議行動 3"],
"narrative": "完整洞察敘述（400-600 字，分段落）"
}
不要只重述數字——要解讀趨勢、找出因果關係、給出具體建議。
步驟 6：組裝並輸出
若 output = markdown：在終端機輸出完整報告（含數據總覽表格 + 洞察敘述 + 建議行動 + Top N 清單）
若 output = notion：
- 用
mcp__claude_ai_Notion__notion-search 找到月報頁面
- 若已存在則
notion-update-page，否則 notion-create-pages
- 回報 Notion 頁面連結
若 output = both：兩者皆執行
注意事項
- 詳細 SQL 和 prompt 見
docs/agent/skills/monthly-insights.md
- 輸出報告不含 email、phone 等個資
- Top N 只顯示 display_name + user_id
- 本 Skill 僅讀取資料，無任何寫入 DB 的操作
