What makes alibabacloud-quickbi-smartq notable?

1.1K downloads. Trust evidence available

How should alibabacloud-quickbi-smartq be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

alibabacloud-quickbi-smartq

Quick BI-SmartQ skill with multiple data analysis capabilities: 1. **File Q&A**: Upload Excel/CSV files for intelligent analysis via Quick BI API 2. **Dataset Q&A**: Natural language queries on Quick BI platform datasets, with automatic intelligent table selection and matching 3. **Document Parsing**: Parse PDF/Word/Excel/CSV/images, extract text, and support extracting key fields to generate structured Excel 4. **Dashboard Skill Generation**: Auto-convert QuickBI dashboards into data query skills 5. **Data Insight**: Deep data insight analysis on Quick BI datasets 6. **Data Report**: Auto-generate professional data reports based on analysis results Use when users mention data analysis, smart Q&A, querying data, file analysis, document parsing, dashboard skills, data insight, or data reports.

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.1k

Updated

Oct 11, 2026

Version

0.0.1

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.1K downloads reported by the source. Last updated 10/11/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 11, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 11, 2026
Adoption signal: 1.1K downloadsadoption · observed Oct 11, 2026
Latest release: 0.0.1release · observed Apr 24, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s173swjet2yrebzqrp6hjkvmy583mxef:alibabacloud-quickbi-smartq

Install using `clawhub skill install s173swjet2yrebzqrp6hjkvmy583mxef:alibabacloud-quickbi-smartq` in an isolated environment before connecting it to live workloads.
No published capability contract is available yet, so validate auth and request/response behavior manually.
Review the upstream CLAWHUB listing at https://clawhub.ai/sdk-team/alibabacloud-quickbi-smartq before using production credentials.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-sdk-team-alibabacloud-quickbi-smartq/snapshot"

Documentation

CLAWHUB

123,309 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: alibabacloud-quickbi-smartq
description: |
  Quick BI-SmartQ skill with multiple data analysis capabilities:
  1. **File Q&A**: Upload Excel/CSV files for intelligent analysis via Quick BI API
  2. **Dataset Q&A**: Natural language queries on Quick BI platform datasets, with automatic intelligent table selection and matching
  3. **Document Parsing**: Parse PDF/Word/Excel/CSV/images, extract text, and support extracting key fields to generate structured Excel
  4. **Dashboard Skill Generation**: Auto-convert QuickBI dashboards into data query skills
  5. **Data Insight**: Deep data insight analysis on Quick BI datasets
  6. **Data Report**: Auto-generate professional data reports based on analysis results
  Use when users mention data analysis, smart Q&A, querying data, file analysis,
  document parsing, dashboard skills, data insight, or data reports.
compatibility: "tools: [python3, pip, browser], runtime: [requests, pyyaml, matplotlib, numpy]"
metadata:
  label: Quick BI-SmartQ
  version: "1.3.0"
---

# Quick BI-SmartQ — QuickBI Data Analysis Assistant

One entry point covering all QuickBI data analysis capabilities. Automatically routes to the corresponding module based on user intent — no manual selection required.

## Scope

**Does:**
- Automatically identify user intent and route to the corresponding data analysis module
- Perform natural-language analysis on user-uploaded Excel/CSV files via the Quick BI API (File Q&A)
- Perform natural-language query analysis on Quick BI platform datasets, with automatic intelligent table selection and matching (Dataset Q&A)
- Parse PDF/Word/Excel/CSV/images, extract text, and support extracting key fields to generate structured Excel (Document Parsing)
- Auto-convert QuickBI dashboards into data query skills (Dashboard Skill Generation)
- Perform deep insight analysis on datasets (Data Insight)
- Auto-generate professional data reports based on analysis results (Data Report)

**Does NOT:**
- Use pandas/openpyxl/csv or similar libraries to read files locally for analysis in Q&A scenarios
- Require users to manually choose a module or provide internal parameters such as cubeId
- Perform tasks unrelated to QuickBI data analysis

## Task Routing

Automatically determine intent based on user input and route to the corresponding module for execution.

### Routing Decision Table

| User Intent  | Routed Module | Reference Document |
|------------------------|--------------------------|------------------------------|
| Uploaded Excel/CSV file, wants to query specific metrics or answer specific data questions (e.g. TOP N, comparison, filtering) | File Q&A | [module-chat-file.md](references/chat/module-chat-file.md) |
| 上传了 Excel/CSV 文件，要查询具体指标或回答具体数据问题（如 TOP N、对比、筛选） | File Q&A | [module-chat-file.md](references/chat/module-chat-file.md) |
| No file uploaded, wants to query/analyze specific metrics in platform datasets | Dataset Q&A | [module-chat-dataset.md](references/chat/module-chat-dataset.md) |
|

_meta.json

{
  "ownerId": "kn74p5w8ywv6prh40g0s82gmqh83nw54",
  "slug": "alibabacloud-quickbi-smartq",
  "version": "0.0.1",
  "publishedAt": 1776998257226
}

references/chat/module-chat.md

# 问数模块 (Chat Module)

> 配置说明请参见主文件的「配置」章节。

## Scope

**Does:**
- 对 Quick BI 平台已授权数据集进行自然语言查询分析（数据集问数）
- 对用户上传的 Excel/CSV 文件通过 Quick BI API 进行自然语言分析（文件问数）
- 自动智能选表匹配最合适的数据集，无需用户提供 cubeId
- 渲染 matplotlib 图表并输出可视化结果和分析结论

**Does NOT:**
- 在问数场景下使用 pandas/openpyxl/csv 等库直接读取文件进行本地分析
- 要求用户手动提供 cubeId 或其他内部参数

## 技能触发与模式选择

### 模式 A：数据集问数（无文件上传）
- 用户没有上传文件，要查询平台数据集 → **数据集问数**
- 触发词示例："问数""小Q问数""查下xx数据集""数据集提问""自然语言查询"

### 模式 B：文件问数（有文件上传）
- 用户上传了 Excel/CSV 文件并对数据提问 → **文件问数**
- 触发词示例："帮我分析这份数据""查询xx最多的TOP10""各部门销售额对比""分析下这个文件""文件问数"
- **执行方式**：严格按两步脚本执行（upload_file.py → file_stream_query.py），不得用其他方式读取或分析文件

## 前置条件

- 需安装 Python 依赖：`pip install requests pyyaml matplotlib numpy`
- 数据集问数：用户需要有目标数据集的**问数权限**
- 文件问数：文件格式限 `xls`、`xlsx`、`csv`，单文件大小 ≤ 10MB

---

## 模式 A — 数据集问数

对 Quick BI 平台上已授权的数据集进行自然语言查询。

### 工作流程

一步式执行，脚本内部自动完成完整的问数 → 取数 → 渲染流程：

```mermaid
flowchart LR
  input["用户问题"] --> hasCubeId{"已指定 cubeId?"}
  hasCubeId -- 是 --> streamQuery["SSE 流式问数"]
  hasCubeId -- 否 --> queryCubes["查询有权限的数据集"]
  queryCubes --> tableSearch["智能选表 POST /tableSearch\n（带 cubeIds 参数）"]
  tableSearch -- 匹配到 --> streamQuery
  tableSearch -- 未匹配 --> relevance["按文本相关性选择最相关数据集"]
  relevance --> streamQuery
  streamQuery --> parseSSE["实时解析 SSE 事件"]
  parseSSE --> reasoning["输出推理过程"]
  parseSSE --> olapResult["olapResult 事件\n（取数结果直接内联）"]
  olapResult --> chart["matplotlib 图表 或 Markdown 表格"]
  parseSSE --> conclusion["输出结论"]
```

> **等待预期**：问数分析通常需要 15~60 秒，复杂查询可能更久。建议在发起问数前告知用户正在分析中。

### 执行命令

**默认用法（自动智能选表，无需提供 cubeId）**：

```bash
python scripts/chat/smartq_stream_query.py "分析销售数据集中销量最高的地区TOP3"
```

> **cubeId 是可选参数**，脚本会自动查询用户有权限的数据集并通过智能选表匹配最合适的数据集，无需用户手动提供。

可选：已知目标数据集 ID 时直接指定（跳过智能选表）：

```bash
python scripts/chat/smartq_stream_query.py "总销售额是多少" --cube-id "dcbb0f94-4cee-4ba2-9950-927918bdd498"
```

可选：提供候选数据集列表辅助智能选表：

```bash
python scripts/chat/smartq_stream_query.py "总销售额是多少" --cube-ids "cubeId1,cubeId2,cubeId3"
```

### 内部处理流程

1. **智能选表**（当未指定 `--cube-id` 时自动触发）：
   - 调用 `GET /openapi/v2/smartq/query/llmCubeWithThemeList` 查询用户有权限的数据集列表
   - 按用户问题与数据集名称的文本相关性对所有权限数据集预排序
   - 使用**自适应降级策略**调用 `POST /openapi/v2/smartq/tableSearch` 进行智能选表：
     - 依次尝试批次大小 `[30, 10]`（可配置），取当前批次最相关的 top N 个数据集
     - 若接口返回 `"cubeIds can not be empty or over limit"` 错误，自动降级到下一批次
     - 传入参数：`userQuestion`、`userId`、`llmNameForInference`（默认 `SYSTEM_deepseek-r1-0528`）、`cubeIds`
     - 任意批次匹配成功即返回第一个 cubeId，不再继续尝试
   - 若所有批次均未匹配到结果，则按文本相关性从权限数据集中选取最相关的一个

2. **调用问数流式接口**：`POST /openapi/v2/smartq/queryByQuestionStream`，请求体为 JSON（`userQuestion`、`cubeId`、`userId` 等），响应为 SSE 事件流

3. **实时解析 SSE 事件**（事件格式：`event:message\ndata:{"data":"xxx","type":"xxx","subType":"xxx"}`）：
   - `relatedInfo` → 输出关联知识（数据集名称、业务定义等）
   - `reasoning` → 输出推理过程（subType `MODEL_REASONING` 为模型推理）
   - `text` / `sql` → 输出文本和 SQL 语句
   - `olapResult` → **核心步骤**，取数结果直接内联在事件流中
   - `summary` → 输出数据解读（subType `MODEL_REASONING` 为模型推理）
   - `conclusion` → 输出分析结论
   - `check` → 校验错误信息
   - `error` → 异常错误信息
   - `finish` → 问数结束

references/common/error_messages.md

# 异常提示文案

以下为各异常场景的用户提示文案。Agent 输出时**禁止**使用 `[text](url)` 链接语法，所有 URL 直接以纯文本形式内嵌在文案中。

## 1. 无数据集权限

> 您当前没有可用的问数数据集。
>
> 📂 **试试「文件问数」**
> 无需任何权限配置，上传 Excel/CSV 文件即可直接分析。
>
> 🚀 **0 元体验，限时加码**
> 现在上阿里云，将额外赠送 30 天全功能体验，解锁企业级安全管控与深度分析引擎，让 AI 洞察更准、更稳。点击下方链接，领取试用：
> https://www.aliyun.com/product/quickbi-smart?utm_content=g_1000411205
>
> 💬 点击下方链接，进入交流群获取最新资讯：
> https://at.umtrack.com/r4Tnme

## 2. 试用到期

> 小 Q 超级分析助理已陪伴您一周，我们看到您在通过 AI 寻找数据背后的真相，这很了不起。
>
> 🕙 **试用模式已结束**
> 授权到期后，动态分析将暂告一段落。
>
> 💡 **其实，您可以更轻松**
> 目前的"文件模式"仍需您手动搬运数据。让 AI 直连企业存量数据资产，实现分析结果自动更新？立即体验完整功能。
>
> 🚀 **0 元体验，限时加码**
> 现在上阿里云，将额外赠送 30 天全功能体验，解锁企业级安全管控与深度分析引擎，让 AI 洞察更准、更稳。点击下方链接，领取试用：
> https://www.aliyun.com/product/quickbi-smart?utm_content=g_1000411205
>
> 💬 点击下方链接，进入交流群获取最新资讯：
> https://at.umtrack.com/r4Tnme

## 3. 数据文件解析失败

> ⚠️ **数据文件解析失败**
> 当前问数的数据文件可能存在格式或内容问题，服务端多次重试执行均未成功。
>
> 💡 **建议排查**
> 请检查文件是否为标准的 Excel/CSV 格式，确认数据内容完整无损后重新上传。
>
> 💬 如仍无法解决，点击下方链接，进入交流群联系 Quick BI 产品服务同学获取支持：
> https://at.umtrack.com/r4Tnme

references/dashboard/module-dashboard-reference.md

# QuickBI 仪表板技能生成器 - 参考文档

> 本文档包含 SKILL.md 的详细参考内容，供深入了解使用。

## 分析框架匹配规则

### 框架匹配规则表

综合**指标语义 + 布局模式 + 联动关系**，匹配最适合的分析框架。

| 匹配规则（基于真实字段名称） | 分析框架 | 适用场景 | 核心公式/方法 |
|---------------------------|---------|---------|--------------|
| 包含"销售额/收入"+"成本"+"利润"+"毛利率/利润率" | **杜邦分析** | 财务指标分解，盈利能力分析 | ROE = 利润率 × 资产周转率 × 权益乘数 |
| 包含"获客/新增"+"激活"+"留存"+"转化"+"收入/付费" | **AARRR 海盗模型** | 互联网产品增长漏斗分析 | 各环节转化率优化 |
| 包含"最近购买时间"+"购买频次"+"消费金额" | **RFM 客户分析** | 客户价值分群，精准营销 | R×F×M 评分矩阵 |
| 包含"产品/商品"维度 + "市场份额/增长率" | **波士顿矩阵** | 产品组合策略分析 | 明星/现金牛/问题/瘦狗分类 |
| 包含"步骤/阶段/环节"维度 + "转化率/流失率" | **漏斗分析** | 流程优化，定位流失环节 | 各环节转化率 = 下一步/上一步 |
| 包含"目标值/计划值" + "实际值/完成值" | **目标达成分析** | KPI 完成度监控 | 达成率 = 实际值/目标值 × 100% |
| 包含"同期/去年同期" + "当期/本期" | **同环比分析** | 时间对比趋势分析 | 同比 = (本期-同期)/同期 × 100% |
| 包含"预算" + "实际/执行" | **预实对比分析** | 预算执行监控 | 预算执行率 = 实际/预算 × 100% |
| 包含"库存/存货" + "周转/动销" | **库存分析** | 库存健康度监控 | 周转率 = 销售成本/平均库存 |
| 包含"客单价" + "客户数/用户数" + "销售额" | **客户价值分析** | 客户贡献度分析 | 销售额 = 客户数 × 客单价 |
| 包含"曝光/展示" + "点击" + "转化/成交" | **营销漏斗分析** | 广告投放效果分析 | CTR/CVR 等转化指标 |
| 包含"人力/人数" + "产出/效率" | **人效分析** | 人力资源效能分析 | 人均产出 = 总产出/人数 |
| 以上都不匹配 | **L1-L4 金字塔** | 通用层级分析框架 | 概览→趋势→分解→明细 |

---

## 布局模式分析规则

### 布局模式识别

基于 `tileLayout` 位置信息推断仪表板的整体分析模式。

| 布局特征 | 布局模式 | 典型特点 | 推断的仪表板类型 |
|---------|---------|---------|----------------|
| 第一行有多个 indicator-card 类型组件 | **指标矩阵型** | 顶部密集指标卡阵列 | 监控型仪表板（强调 L1 概览） |
| 存在 line/bar 等趋势图表 | **核心图表型** | 有主次之分的焦点布局 | 分析型仪表板（强调 L2/L3） |
| 底部存在 common-table | **明细导向型** | 底部有明细表 | 运营型仪表板（强调 L4 追溯） |
| 同一行有多个相同类型组件 | **对比分析型** | 并列布局便于对比 | 多维对比分析 |
| 组件数量少（≤4） | **聚焦分析型** | 少而精的核心图表 | 专题分析仪表板 |

### 布局模式与分析框架的关联

| 布局模式 | 倾向的分析框架 | 置信度提升依据 |
|---------|--------------|---------------|
| 指标矩阵型 | 目标达成分析、同环比分析 | 多指标并列 → 关注指标对比 |
| 核心图表型 | 趋势分析、漏斗分析 | 大图表为主 → 关注过程变化 |
| 明细导向型 | L1-L4 金字塔 | 有明细表 → 需要追溯能力 |
| 对比分析型 | 杜邦分析、客户价值分析 | 并列布局 → 关注维度对比 |

---

## 层级归类规则

### L1-L4 层级判断

| 层级 | 类型特征 | 位置特征 |
|-----|---------|----------|
| **L1** | indicator-card/kpi/gauge | y ≤ 20（顶部）|
| **L2** | line/area/indicator-trend | 20 < y < 50，含 datetime 维度 |
| **L3** | bar/pie/ranking-list | 30 < y < 70，含分类维度 |
| **L4** | common-table | y > 50（底部）|

### 分析主题推断（基于图表类型）

| 图表类型 | 分析主题模式 |
|---------|-------------|
| indicator-card/kpi | "{度量}指标展示" |
| line/area | "{度量}时序趋势" |
| pie | "{维度}分布/占比" |
| bar | "{维度}对比分析" |
| ranking-list | "{维度}排行榜" |
| common-table | "{主题}明细查询" |

---

## 意图路由规则

### 用户问法模式匹配

| 用户问法模式 | 提取的意图 | 匹配目标 |
|-------------|-----------|----------|
| "XX是多少/有多少" | 查询单一指标 | L1 指标卡 |
| "XX趋势/走势/变化" | 趋势分析 | L2 折线图/趋势图 |
| "XX排行/TOP/最高/最低" | 排序分析 | L3 排行榜 |
| "XX分布/占比/构成" | 结构分析 | L3 饼图/柱图 |
| "各XX的YY" | 维度分解 | L3 分组图表 |
| "XX明细/详情/列表" | 明细查询 | L4 明细表 |
| "为什么XX下降/上升" | 归因分析 | L1→L2→L3 联合 |

---

## 业务逻辑推断规则

### 指标组合推断公式

| 指标组合 | 推断公式 |
|---------|----------|
| 销售额 + 成本 + 利润 | 利润 = 销售额 - 成本 |
| 销售额 + 销量 | 客单价 = 销售额 / 销量 |
| 目标值 + 实际值 | 达成率 = 实际 / 目标 × 100% |
| 本期 + 同期 | 同比增长率 = (本期-同期)/同期 × 100% |
| 本期 + 上期 | 环比增长率 = (本期-上期)/上期 × 100% |

---

## 工具函数说明

### quickbi_opena

Github ReposUpdated 2d agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.