用途：从当前运行中采集的 DCE / LLM Studio / Hydra 数据，生成面向管理层的简洁 AI 运营日报与业务价值分析，输出结论先行、以紧凑表格呈现，最终回答中不体现采集过程。
主要能力与用法：数据采集通过随技能捆绑的 Python 采集器完成，需按 SKILL.md 定位并调用一次：
python3 scripts/collect_summary.py '<YYYY-MM-DD>' '<timezone>'
日期与时区默认今天与 Asia/Shanghai，默认使用 usage-cost 配置。支持三种配置：usage-cost（Token 用量与计算费用）、operations（用量、API Key 健康与基础设施告警，不含定价）、full（含费用、服务与模型供给）。full 可用 AI_OPS_DETAIL=1 兼容别名。采集器仅用 Python 3 标准库与 dce，并发运行选定命令组，输出不含机密的 NDJSON，并保留成功的部分结果。成功调用后不再单独运行 DCE 命令；仅在运行模式不匹配、失败源严重影响回答或用户要求自定义范围时直接调用 DCE CLI。
时限：usage-cost 与 full 总预算 12 秒，operations 6 秒，单命令超时 5 秒；常规路径不重试可选失败。
数据完整性：只使用当前运行检索到的值，不猜测、回填或推断；缺失指标直接省略，不写 N/A、unknown、- 或 0；区分实测值与计算值，涉及结论时简述公式；不暴露原始 API Key、Token 或凭据，API Key 仅输出数量与状态摘要。
费用规则：仅当模型用量与匹配价格同时存在时计算费用，未匹配价格的模型需报告已定价子集与 Token 覆盖率，不得称为总成本；无币种时使用计价单位而非 CNY/USD；Token 费用不等于基础设施成本、毛利或 ROI。
解读与限制：进行中的当日需说明采集截止或最新用量时间，不暗示已完成全天；检索到的零用量视为零消费，但缺失用量不可当作零；触发中的 CRITICAL 告警可令整体风险为 Critical，需区分平台可靠性与模型可用性；API Key 汇总总数、禁用、过期、零配额、无限、从未使用、陈旧与最近使用数量；全局非零用量与全部 Key 零配额或陈旧元数据冲突时，应称为计量/归因一致性风险。
输出：使用用户语言，默认不超过三条发现与两条行动；按结论、核心指标表、主要发现、建议组织，并在默认 usage-cost 报告后提示是否继续完整运营视角分析。