ReportNow 产线报道 Skill

功能概述

上传 Excel/CSV 数据，指定报告标题，AI 自动生成结构化 Markdown 报告，可选推送到企微工作群。

> v6 架构（自循环）：
> - run.py → 读取 Excel/CSV → 自动域识别 → 计算指标 → 输出 JSON 数据
> - AI（WorkBuddy）读 JSON → 结合 macro_focus + 周期规则 → 自行生成四节报告
> - push_wecom.py → 推送至企微群

触发词

数据源支持

执行流程

AI 自行生成报告文字，不调用 templates.py，不依赖外部 API。

Step 1：识别参数

从用户输入识别：
- title：报告标题（如"品质周报"、"生产日报"）
- period：日报→daily，周报→weekly，月报→monthly
- 数据文件路径（绝对路径）

Step 2：执行 run.py

cd ~/.workbuddy/skills/ReportNow-产线报道
/usr/bin/python3 run.py "/文件路径" "报告标题" --period weekly

多文件模式：

cd ~/.workbuddy/skills/ReportNow-产线报道
/usr/bin/python3 run.py --files 文件1.xlsx 文件2.xlsx 文件3.xlsx "报告标题" --period monthly

> 注意：run.py v6 架构只输出 JSON 数据，AI 负责根据 JSON 自行生成报告文字。
>
> ⚠️ Python 环境：必须使用 /usr/bin/python3（macOS 系统 Python 3.9，已预装 pandas/openpyxl）。WorkBuddy managed Python 3.13 默认无 pandas，会报 No module named 'pandas'。切勿使用 python3 或 python 命令（会路由到 managed 3.13）。

Step 3：读取 JSON 输出

run.py 输出 JSON 到 stdout，包含：

{
  "domain_id": "dept_warehouse",
  "domain_name": "仓储部",
  "period": "monthly",
  "period_guidance": "月报：定方向、做决策。聚焦月度对比+结构性分析...",
  "macro_focus": ["库存周转率与资金占用分析", "账实相符率与物料准确性", "..."],
  "columns": ["日期", "物料编码", "库存数量", "..."],
  "row_count": 910,
  "rows_sample": [...],
  "numeric_stats": {"库存数量": {"mean": 123, "min": 0, "max": 999, "count": 910}},
  "title": "仓管月报"
}

Step 4：AI 生成四节报告

读取 JSON 后，AI 自行生成报告，遵循以下规则：

> ⚠️ 字数上限（强制，第一优先级）：企微 markdown_v2 content 上限为 4096 字节，正文须控制在 约 1,200 字符以内（约 3,600 字节）。在开始写任何内容之前，先估算字数，确保不超标。

> ⚠️ 报告正文不要写标题！ push_wecom.py 会自动把第一个参数 <title> 渲染为 **{title}** 追加到正文最前面。正文必须直接以四节框架开头，不要包含标题、周期、副标题等任何头部信息。

四节框架（固定结构，正文第一行即"一、"）：

一、📊 现状
> **参考方向**：{macro_focus[0]}；{macro_focus[1]}；{macro_focus[2]}

（根据 numeric_stats + rows_sample，描述当前数据现状）

二、🔍 洞察
> **参考方向**：{macro_focus[0]}；{macro_focus[1]}；{macro_focus[2]}

（分析趋势、分布、异常，结合 period_guidance 调整侧重点）
- 日报：聚焦今日异常事件
- 周报：聚焦本周趋势和未闭环项
- 月报：聚焦月度对比和结构性问题

三、🚨 风险
> **风险参考**：{macro_focus[0]}；{macro_focus[1]}；{macro_focus[2]}

（列出需要关注的风险点，每条格式：🔴高风险 / 🟡中风险 / 🟢低风险）

四、✅ 决策
> **决策参考**：{period_guidance}

（给出具体可执行的决策建议，2-5 条。关键是不堆砌废话，每条都可执行。）

周期规则（必须在生成时遵守）：

Step 5：自动推送企微（无需询问）

> 规则：报告生成后自动推送企微，不询问用户。.env 里有 WECOM_WEBHOOK 就推，推完告知结果即可。

推送格式说明：
- <title>：企微卡片的标题，格式应为"部门名+报告类型+周期"（如"仓储部周报（2026-05-25~05-31）"），推送后自动渲染为 **{title}**
- <content>：报告正文，不要包含任何标题/周期/副标题，直接以"一、📊 现状"开头
- ⚠️ 字数上限（强制）：正文须控制在 约 1,200 字符以内（约 3,600 字节），留足安全余量。

cd ~/.workbuddy/skills/ReportNow-产线报道
/usr/bin/python3 scripts/push_wecom.py "<title>" "<content（四节报告正文）>"

未配置 WECOM_WEBHOOK 时，只输出报告，口头提示用户配置。

域配置参考

域类型由 config/ 下的 JSON 文件定义，AI 无需记忆：

每个 config 目前仅包含以下字段（V6 精简版）：
- _meta：domain_id、domain_name（域标识）
- macro_focus：3-5个宏观分析方向（AI 生成报告时的参考重点）
- ~~column_mapping~~（V5 遗留，V6 不使用）
- ~~report_focus~~（V5 遗留，V6 不使用）
- ~~thresholds~~（V5 遗留，V6 不使用）

域识别规则（供理解，无需记忆）

run.py 自动识别域，优先级：
1. --template 参数：手动指定（最高优先级）
2. 标题关键词推断：title_map（如"仓管"→dept_warehouse）
3. 列名签名匹配：_DOMAIN_SIGNATURES（如列名含"库存数量"→仓储部）

AI 无需参与识别，只需读 run.py 输出的 domain_id 和 domain_name。

常见错误处理

> 本 Skill 由软件工坊 AI 协作生成。v6 架构：run.py（域识别+指标计算，输出 JSON）→ AI（WorkBuddy）自行生成四节报告 → push_wecom.py（企微推送）。templates.py（V5 遗留）已删除。