SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场data-agent-arcvis-skill

data-agent-arcvis-skill

数据与分析

查看项目

更新于 10-27 20:26

技能介绍

用途

data-agent-arcvis-skill 是一个元技能（meta-skill），本身不分析任何业务数据。它的用途是指导用户创建“任务型（quest）”技能包：把一类反复出现的、多步骤的数据分析任务（如归因、对比、趋势、目标达成诊断等）的完整打法沉淀为可复用的技能包，使其能够被拆解为分析目标、按顺序执行，并产出表格、图表和结论式报告。

技能包的四层知识结构

一个合格的任务型技能包由四层知识构成：

  1. 表手册（tables/*.yaml）：每张表一个文件，记录字段事实与语义模型（列/维度/度量），是数据侧的事实基础。
  2. 指标手册（metrics/METRIC-NNN.yaml）：每个指标一个文件，记录字段→度量→指标的三级计算语义，是整个技能包计算定义的唯一权威来源。
  3. 分析知识（objectives/ + SKILL.md + approach.md）：每个分析目标一份执行手册，加上顶层指南；每个目标文件在 YAML frontmatter 中声明其门禁（gates）与指标依赖契约（metrics_deps）。
  4. 报告要求（report/，建议联合生产）：文本报告要求（text_report.md）与 Web 报告模板包（web_report/），与各目标的门禁联动——报告所需的每一份材料都必须被某个门禁的产出所覆盖。

主要能力

  • 规定技能包中每个文件应包含什么内容、格式如何、必须通过哪些门禁才算合格。
  • 提供六份编写规范（references/ 下的英文主版本及对应中文版）：file-structure.md（文件结构、六个 frontmatter 字段、虚拟表声明、命名、体积预算、两份顶层文档写法）、objective-contract.md（目标文件 frontmatter 契约与正文结构、直读交付物的四把锁）、metrics-and-tables.md（表手册与指标手册的 YAML 规范、可加性分类、关键规则、证据约束）、report-structure.md（report/ 目录结构、text_report.md 写法、联动契约 R1/R2/R3/R4、回填门禁工作法、最小技能壳反向生产）、web-report-template.md（独立 Web 报告模板包的六文件编写契约、$read 程序直读与直读源文件契约、数据归属决策树、硬约束与常见陷阱、语义一致性审查清单、迭代修订流程）、quality-checklist.md（交付前一致性审计清单与 AUDIT.md 交付要求）。
  • 提供校验脚本：validate_skill.py 对技能包做机器检查（SKILL.md frontmatter 必填字段、目标 frontmatter 契约格式、目标文件命名与连续序号、体积预算、指标引用交叉闭合、report/ 目录结构、报告联动契约 R1/R2/R3/R4、每个 web_report 模板包的机器校验；无 report/ 目录时自动跳过报告相关检查），逐项打印 PASS/FAIL，任一 FAIL 时以非零码退出；validate_template.py 对单个模板包逐项校验并打印 [pass]/[warn]/[fail]；preview_template.py 将 sample_data.json 注入 template.html 生成 preview.html 供浏览器确认。
  • 提供中英文完整示例技能包（examples/example-zh/ 与 examples/example-en/，虚构音乐零售领域）。

使用方式

工作流程须严格按顺序执行，后续步骤依赖前序产出：

  1. 明确表结构：确定原型（quest / inquiry）、选定技能名、编写 SKILL.md frontmatter 与虚拟表计划，然后编写表手册 tables/*.yaml——字段事实与度量定义必须先存在，因为指标会引用它们。来源包括既有材料（检索会话历史与文档）或用户直接输入。规范见 references/file-structure.md 与 references/metrics-and-tables.md。
  2. 明确分析需求：编写指标手册 metrics/METRIC-NNN.yaml（分子分母引用表手册中的度量，是后续一切计算语义的来源），然后编写 objectives/ 文件初稿——YAML frontmatter 声明门禁与 metrics_deps 契约的初始版本。规范见 references/metrics-and-tables.md 与 references/objective-contract.md。
  3. 确认呈现形式与联合生产策略：与用户确认最终交付物是文本报告、Web 报告、两者还是其他形式。建议联合生产：技能包有报告要求时，一并产出 report/ 交付物（模板与门禁一体设计）；用户只要报告模板时，反向生产为“最小技能壳”（数据供给目标 + 模板包，几乎不含分析约束），做法见 references/report-structure.md 的“反向生产”一节。据此只阅读第 4 步中的相关章节（渐进披露：文本报告读 references/report-structure.md；Web 报告另读 references/web-report-template.md）。无报告交付物则跳过第 4 步。
  4. 产出报告要求：按确认的形式编写 report/ 目录——text_report.md（文本报告要求，材料清单每项带来源标记）和/或 web_report/<theme_id>/ 模板包。用决策树决定每个模板字段的数据来源：数字与大表优先 $read 直读目标磁盘产出（物理同源），灵活内容交给 LLM 填充，可在 JS 中计算的值不进入 schema，metrics.jsonl 的 SQL 直出仅作为用户指定实时查询/全明细抽取的例外通道。完成 Web 模板包后运行 validate_template.py 并用 preview_template.py 生成预览确认渲染。规范见 references/report-structure.md 与 references/web-report-template.md。
  5. 回填门禁并收尾：按联动契约 R1–R4 回填并交叉核对每个目标的门禁（含 ext.report_metrics）、交付物与直读源文件格式契约（被直读消费的文件须满足四把锁：文件名/列名/形状/格式），直到报告每一份材料都可追溯到闭合来源；然后编写两份顶层文档（SKILL.md 前置条件与 approach.md 指标计算总览——两者都要求 metrics/ 与 tables/ 已定稿）；最后运行一致性审计——先跑校验器，再人工抽查——并产出 AUDIT.md。规范见 references/report-structure.md、references/file-structure.md 与 references/quality-checklist.md。

适用场景

  • 从零创建：有一类反复出现的长时间分析任务（归因、对比、趋势、目标达成诊断等），想把打法沉淀为可复用技能包。
  • 从模板反向生产：用户已有满意的 HTML 报告，只想要模板（匹配“做个报告模板”“HTML 转模板”“自定义网页”“上传主题”“锁定报告样式”“修改报告模板”等说法）——产出为最小技能壳（数据供给目标 + 模板包），不沉淀分析方法。
  • 迭代修订：已交付的模板包需要修改（修订后必须重跑完整审查，见 references/web-report-template.md 第 10 节）。
  • 审计与修复：已有技能包不合格（格式违规、引用断裂、缺少计算定义），需按规范逐项审查修复。
  • 人工校准：业务方提供了公式清单、校准过的 SQL 或报告模板等权威输入，需准确放入技能包对应文件。

不适用：一次性数据检索/查找请求（inquiry 类型）不需要本技能的多目标结构；判定标准见 references/file-structure.md。

限制与前置条件

  • 用户必须指定数据库与表结构。
  • 本技能包自身不含 objectives/、metrics/、tables/ 目录：作为元技能它没有分析目标、指标或表——对应的模板骨架内嵌在 references/ 各卷中；examples/ 下的 objectives/、metrics/、tables/ 属于示例包，不属于本元技能。
  • 所有 PASS 是交付的必要条件而非充分条件——语义层仍需按 references/quality-checklist.md 人工审查。
  • 关于收费、价格、平台支持范围等信息，资料暂未提供。