Files
go-sms-V2/.clinerules/high-info-density-dashboard-designer.md
T

8.2 KiB
Raw Blame History

name, description, maturity, status, created, maintainer, distilled_from, related
name description maturity status created maintainer distilled_from related
high-info-density-dashboard-designer Audit / design / refactor any dashboard for INFORMATION DENSITY (decision value per token). Triggered when user mentions: "dashboard / 仪表盘 / 看板 / cockpit / 驾驶舱 / 信息密度审计 / 重构 dashboard / 像 yiru 那样 / 像 odyssey 那样 / 12 维审计 / 决策密度". Uses 12-dimension rubric distilled from yiru-macro-cockpit (N=1) and OSA cockpit v3 (N=2). experimental n=2-completed 2026-05-15 liming
reference_yiru_macro_cockpit · N=1 范本(投资仪表盘/odysseyinst.com)
OSA cockpit v3 重构(2026-05-15) · N=2 范本(战略管理仪表盘)
osa-matrix-builder
dashboard-design-coach

High-Info-Density Dashboard Designer

N=2 dry-run 完成(yiru 量化投资 / OSA 战略管理 两业务跨域验证)。N=3 待复用 — 候选:管培生招聘后台 / 知识星球管理 / 飞书工作台 / 个人 GTD。

核心信念:信息量 ≠ 信息密度。

  • 信息量 = 单位面积塞了多少数据(堆 100 个指标 → 信息量高)
  • 信息密度 = 每 token 携带的决策价值(一行字 → 一个 actionable insight)

厉害的 dashboard 是后者。

触发条件

关键词 行为
"审计这个 dashboard 信息密度" 跑 12 维 audit rubric
"设计一个 dashboard / 仪表盘 / 驾驶舱" 12 维 design checklist 强迫思考
"我想做一个像 yiru / odyssey 那样的产品" 给 yiru/OSA N=2 蓝本 + 6 模块移植路径
"重构这个 dashboard" 8 反模式扫描 + 推荐重构模块
"为什么我的 dashboard 看不出洞察" 大概率缺 D2 判定密度 / D9 行动建议,直接定位

12 维信息密度 rubric(每维 1-10 分 · 总 120)

# 维度 定义 满分典型 0 分典型
D1 时间密度 每指标带时序 / Δ / history 5d Δ + UTC + history.json + 微时序图 只有当前快照,无 Δ 无累积
D2 判定密度 数据 → 判定的翻译已替用户做完 "顺风局" 一句话 + Conviction 0-10 只有数字,要用户自己判
D3 不确定性显式化 缺数据 / 接口挂 / 73% 完整度 公开承认 "—缺数据" + 三态 + 数据脉象 缺数据用 0 充数;假绿色 ✓
D4 多源交叉 单点 = 噪音,多源 = 信噪比 黄金 4 驱动 + A股 13 检验 单源,无回链
D5 共识/分歧切片 不显示原始观点,显示共识 + 分歧 雪球 102 → 6 共识 + 看多 X% 列原始观点不聚合
D6 frozen × dynamic 分层 方法论 IP 与数据燃料分层 methodology.md → system prompt LLM 自由发挥 + 无方法论锁
D7 状态机化 离散状态 > 连续数值 4 象限 + 3 阶段 + 三态判定 只显数值不命名状态
D8 高维降维 N 数据源 → 5 Tab → 1 句 hero 26 源 → 5 Tab → 1 hero 平铺数据无层级
D9 行动建议 是什么 → 该做什么 strategy_matrix + core_strategy 只描述状态不派发动作
D10 元信息层 dashboard 自报家底 Tab V 数据脉象 26 状态灯 dashboard 不知道自己有多新
D11 历史轨迹 单点 + 轨迹 = 完整故事 美林象限迁移 + Conviction 演变 快照思维,无演化
D12 个人意义 用户的延伸大脑 != 通用工具 frozen methodology 是用户的 千人一面通用 dashboard

评分门槛:

  • ≥ 90 → 高密度(yiru/odyssey 级)
  • 60-89 → 及格,但有改进空间
  • 30-59 → 「精美的快照」(OSA cockpit 改造前 = 35.5%)
  • < 30 → 数据陈列,无决策价值

8 条反模式 · 设计禁忌(自动扫描清单)

❌ 数据陈列癖    : 堆 50+ 指标但无一个翻译成判定        → 加 D2 / D9
❌ 假装全知      : 缺数据填 0 / 接口挂用昨天的           → 加 D3 / D10
❌ 颜色作弊      : 全绿 ✓ 蒙混(用户看混合才会想)        → 限制绿色用法
❌ 单点快照      : 只显当下,不显轨迹                     → 加 D1 / D11
❌ 通用主义      : 每个用户看到一样的(缺归属感)          → 加 D12
❌ 自由 AI       : LLM 自由发挥(漂移/违反 frozen)        → 加 D6 frozen 锁
❌ 黑盒判定      : 给 conviction 5 但不告诉为啥(不可追溯)→ 加 D6 + D4 多源
❌ 无元层        : dashboard 不知道自己有多新            → 加 D10 数据脉象

6 大重构模块(N=2 已落地 · 可移植)

每个模块对应 1-3 维度,可单独移植:

模块 对应维度 干啥 yiru 范本 OSA cockpit v3 范本
A · Hero 决策句 D2 + D8 顶部 1-3 行替用户做完一周决策 "实际利率下行+美元走弱,定调顺风局" "🔥 本周焦点:LTV 域 P25 必启动"
B · 时序累积层 D1 + D11 history.json + 7d/30d Δ + 迁移轨迹 sparkline 美林象限迁移 + Conviction 演变 osa-history.json + 每卡 Δ + Top 8 sparkline
C · 数据脉象层 D10 + D3 dashboard 自报家底(完整度/信任度/stale 警告) Tab V 26 状态灯 + 缺口列 数据完整度 + 信任度警告 + 状态机分布
D · ACTION 派发卡 D9 + D7 自动从 Top 焦点产 70/20/10 资源分配 + 该做/别做 strategy_matrix + core_strategy 7 人 × 5 日 ACTION 派发 + Top5/不该做
E · 状态机标签 D7 把数值 1-5 替换为 5 个语义状态 4 象限 + 三态 🟦概念/🟨设计/🟧落地中/🟩已稳/🟪自动化
F · 多源交叉链 D4 + D6 每张卡底部 N 源回链(L0/H5/wiki/feishu/minute) 黄金 4 驱动 / A股 13 检验 每卡 5 源:cockpit + V8 + LLM-Wiki + 飞书 + 妙记

流程 · 5 步(audit + 重构)

Step 1 · 12 维 audit(15 min)

读 dashboard 截图 + 代码,逐维打分(1-10),计算总分。 输出:12 维评分表 + 总分 + 5 大弱点排序。

Step 2 · 反模式扫描(5 min)

对照 8 条禁忌清单,标出该 dashboard 触发的反模式。 输出:命中反模式清单 + 对应应加的维度。

Step 3 · 重构方案(15 min)

基于 audit + 反模式 → 推荐 6 大模块中的 N 个移植。 输出:模块优先级排序(按 ROI:每模块带几分提升)。

Step 4 · AskUserQuestion 拍板(5 min)

不直接动手 — 让用户在 3 档中选(轻档 / 中档 / 重档)。

Step 5 · 落地 + 验证(2-4 小时)

按选定档执行,每模块独立 commit。完成后用浏览器截图复审。

边界(不要越界)

  • ❌ 不替代领域知识:本 skill 只给"信息密度元方法",不替你做投研判断 / 战略决策 / 医疗诊断
  • ❌ 不要重发明轮子:遇到 yiru/OSA 已有的模块,直接移植,不要为差异化而差异化
  • ❌ 不要 dashboard 主义:有时候解决方案不是 dashboard 是别的(如 cron + email),要诚实
  • ✅ 诚实是最高的决策价值 — D3 不确定性显式化 / D10 元信息层 是最反直觉但最值钱的两维

N=2 已实测案例

业务 日期 dashboard 改造前分 改造后分 移植模块
量化投资 2026-05-07 yiru / odysseyinst.com N=1 范本(原创) 100/120 全 12 维原生设计
战略管理 2026-05-15 OSA cockpit v3 39/110 (35.5%) ~94/110 (85%) ⚡ A+B+C+D+E+F 全 6 模块

N=3 候选(待复用验证)

  • 管培生招聘后台(guanpei-recruit skill)
  • 原力星球管理后台(yuanli-zsxq-coevolution-assistant)
  • 个人 GTD(daily standup)
  • 客户 LTV 池(a-ltv 资产卡的实例化)
  • 学员阶段诊断(student-stage-router)

复用规范

  1. 每次审计必输出 audit 表(120 总分,不只是说"信息密度高/低")
  2. 每次设计前必跑 8 反模式扫描(防止重蹈)
  3. 6 模块按 ROI 排序移植(轻档先 A+E+C,重档加 B+D+F)
  4. 诚实标注「模拟基线」(如 OSA history.json 的 5/8 / 4/15 是模拟,标 "待累积")
  5. N=3 起做轻量化模板(目前模板 hard-code 在 osa-cockpit / yiru,N=3 起抽出公共组件)

关联

  • [[osa-matrix-builder]] 是 OSA 卡集 → 矩阵热图的具体实现,本 skill 是更高一层的"信息密度元方法"
  • [[dashboard-design-coach]] 偏视觉 / 排版,本 skill 偏信息架构 / 决策价值
  • [[reference_yiru_macro_cockpit]] 是 N=1 范本的 memory pointer