WorkBuddy需用【因果归因指令】+领域规则双驱动破解统计相关性陷阱：开头加固定前缀强制因果推理，输入任务时明确时序与可操作性约束，并固化电商归因铁律或临时注入强规则，再通过反事实验证筛除虚假关联。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
当你在WorkBuddy里分析销售下滑原因，它列出“促销频次”“客服响应时长”“竞品上新数量”三者与销售额高度相关，但你发现调整促销频次后业绩毫无起色——问题不在模型没算对，而在它默认输出的是统计相关性，不是业务因果链。要让WorkBuddy跳出皮尔逊系数陷阱，必须用结构化指令+领域规则双驱动，强制它区分“一起变”和“导致变”。
用因果指令模板覆盖默认统计逻辑
第一步：在提问开头插入固定前缀【因果归因指令】，例如：【因果归因指令】请基于业务机制而非统计拟合判断影响路径：仅保留具备可操作干预前提、存在明确作用时序、且有行业共识支撑的变量；剔除所有滞后指标、共线性代理项及反向因果变量。
第二步：紧接任务描述，比如“分析Q3华东区GMV同比下降18%的根本原因，输入为销售日志、客服工单、库存周转表三份CSV”。这一步强制WorkBuddy加载因果推理协议，否则它会沿用默认的多元回归模式输出伪相关项。
第三步：追加约束条件，如“排除所有T+7之后发生的事件（如退货率）作为原因，客服响应时长需验证是否早于订单流失高峰”。没有这条，它可能把“用户投诉后退款”错判为“投诉导致流失”，而实际是同一问题的两面表现。
使用 draw.io（.drawio 格式）和 SVG 生成兼容 Microsoft Visio 的架构图。当用户需要以下任一场景时触发： - 用于 Visio 或技术文档的架构/系统/网络图 - 带连接标注的分层控制系统图 - 将 draw.io XML 转换为稳定、可嵌入的 SVG - 修复 Visio 或 draw.io 无法打开的故障排查类图表 - 任何需专业级布局且文本可编辑的图表
注入领域规则阻断错误归因
方法一：在长期记忆中固化规则文件
打开~/.workbuddy/MEMORY.md，新增段落：
【电商归因铁律】
• 用户决策链路严格按“曝光→点击→加购→下单→支付”时序，任意环节前置指标不可作为后续环节原因
• 客服指标只能解释履约类问题（发货延迟、错发），不能解释流量类问题（点击率下降）
• 所有外部平台数据（如抖音热度）需匹配本地埋点时间戳，否则视为不可信代理变量
保存后重启WorkBuddy，该规则将自动注入每次分析上下文。
方法二：临时注入强约束指令
在对话中直接输入：“应用RULE-ECOMM-2026Q3：客服响应时长变化若未领先订单取消率变化48小时以上，则不构成因果。”WorkBuddy会即时调用规则引擎校验，把原本排第一的相关变量直接移出根因列表。
用反事实验证筛掉虚假关联
① 让WorkBuddy生成反事实假设：“如果Q3保持Q2的促销节奏，但维持当前客服响应时长，GMV预估变化？”
② 要求它调用历史A/B测试数据验证：输入“调取2026年5月华东区客服响应③ 强制输出归因权重矩阵：必须包含三列——“变量名”“业务机制可信度（1-5分）”“反事实验证通过率（%）”，低于3.5分或验证率
这一步卡住了很多用户：WorkBuddy默认不执行反事实推演，必须用“如果…则…”句式触发MCP协议v1.2的因果模块，否则它只会返回相关性热力图。
