{"id":"1eadcae3-c87d-411b-99dc-65809bc11ccd","entityType":"agent","slug":"clawhub-songzhou666-conspect","name":"conspect","canonicalUrl":"https://www.xpersona.co/agent/clawhub-songzhou666-conspect","canonicalPath":"/agent/clawhub-songzhou666-conspect","generatedAt":"2026-10-10T03:15:44.038Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-09T14:27:46.403Z","emptyReason":null},"description":"全自动多源数据智能分析与商务报表渲染工具。上传Excel数据源，AI自动完成数据解析、图表选型、商务排版、可视化渲染，输出可直接开会投屏的专业报表。v3.1 全流程托管AI自动生成，零用户确认环节，端到端稳定丝滑。适用场景：生成报表/数据看板/Excel出图/投屏数据/多表合并分析。不适用：简单数据整理/桌面BI工具/纯文本报告。 Skill: conspect Owner: songzhou666 Summary: 全自动多源数据智能分析与商务报表渲染工具。上传Excel数据源，AI自动完成数据解析、图表选型、商务排版、可视化渲染，输出可直接开会投屏的专业报表。v3.1 全流程托管AI自动生成，零用户确认环节，端到端稳定丝滑。适用场景：生成报表/数据看板/Excel出图/投屏数据/多表合并分析。不适用：简单数据整理/桌面BI工具/纯文本报告。 Tags: latest:0.1.1 Version history: v0.1.1 | 2026-08-11T05:54:33.487Z | auto Conspect 0.1.1 更新日志 - 全量升级：落地 v3.1 全流程托管模式，实现数据上传到报表渲染全自动、零用户确认，无人工节点。 - 渲染能力提升：全面支持分区式看板布局、“便当盒”网格、各图表独立数据解读区及 8 套商业级配色主题。 - 大幅增强自动","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 2.5K downloads reported by the source. Last updated 10/9/2026.","installCommand":"clawhub skill install s171ezpm2b0hjzn2z4ww819jrn878gc2:conspect","sourceUrl":"https://clawhub.ai/songzhou666/conspect","homepage":"https://clawhub.ai/songzhou666/skills/conspect","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/songzhou666/conspect","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/songzhou666/skills/conspect","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":68,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"全自动多源数据智能分析与商务报表渲染工具。上传Excel数据源，AI自动完成数据解析、图表选型、商务排版、可视化渲染，输出可直接开会投屏的专业报表。v3.1 全流程托管AI自动生成，零用户确认环节，端到端稳定丝滑。适用场景：生成报表/数据看板/Excel出图/投屏数据/多表合并分析。不适用：简单数据整理/桌面BI工具/"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-09T14:27:46.403Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T14:27:46.403Z","emptyReason":null},"stars":null,"forks":null,"downloads":2481,"packageName":null,"latestVersion":"0.1.1","tractionLabel":"2.5K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T14:27:46.403Z","emptyReason":null},"lastUpdatedAt":"2026-10-09T14:27:46.403Z","lastCrawledAt":"2026-10-09T14:27:46.403Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-10T14:27:46.403Z","lastVerifiedAt":null,"highlights":[{"version":"0.1.1","createdAt":"2026-08-11T05:54:33.487Z","changelog":"Conspect 0.1.1 更新日志 - 全量升级：落地 v3.1 全流程托管模式，实现数据上传到报表渲染全自动、零用户确认，无人工节点。 - 渲染能力提升：全面支持分区式看板布局、“便当盒”网格、各图表独立数据解读区及 8 套商业级配色主题。 - 大幅增强自动状态推进与检查点逻辑，QA 审核通过后自动切换至下阶段，彻底避免“等待用户确认”。 - 结构优化：新增/完善 FAQ、反模式、使用示例等参考文档，并清理旧 reference 目录。 - 细化与强化 CLI 使用/异常处理规范；严格禁止内联 Python 代码与路径模糊跳过状态机等违规行为。","fileCount":61,"zipByteSize":200586},{"version":"0.1.0","createdAt":"2026-08-06T09:34:35.960Z","changelog":"Initial public release with strict auto-execution workflow and CLI integration: - Fully automated multi-source data analysis and professional business report rendering for Excel uploads. - Enforces a mandatory multi-stage state machine: each phase must be completed and verified before proceeding. - Implements progressive chunked loading for documentation and workflow files to optimize context management. - All data operations must use the provided CLI tool (`run.py`), with clear rules for PowerShell compatibility. - Strict technical and process constraints: prohibits Python inline code execution, emoji use, and step skipping; enforces precise workflow, even in self-review scenarios. - Provides clear escalation and exception handling rules for CLI failures and unique meta-task scenarios.","fileCount":60,"zipByteSize":179181}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s171ezpm2b0hjzn2z4ww819jrn878gc2:conspect","setupComplexity":"low","setupSteps":["Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-songzhou666-conspect/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-songzhou666-conspect/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-songzhou666-conspect/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-songzhou666-conspect/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-songzhou666-conspect/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-songzhou666-conspect/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-10T03:15:44.035Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-songzhou666-conspect/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-songzhou666-conspect/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-songzhou666-conspect/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-songzhou666-conspect/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-09T14:27:46.403Z","emptyReason":null},"readme":"Skill: conspect\n\nOwner: songzhou666\n\nSummary: 全自动多源数据智能分析与商务报表渲染工具。上传Excel数据源，AI自动完成数据解析、图表选型、商务排版、可视化渲染，输出可直接开会投屏的专业报表。v3.1 全流程托管AI自动生成，零用户确认环节，端到端稳定丝滑。适用场景：生成报表/数据看板/Excel出图/投屏数据/多表合并分析。不适用：简单数据整理/桌面BI工具/纯文本报告。\n\nTags: latest:0.1.1\n\nVersion history:\n\nv0.1.1 | 2026-08-11T05:54:33.487Z | auto\n\nConspect 0.1.1 更新日志\n\n- 全量升级：落地 v3.1 全流程托管模式，实现数据上传到报表渲染全自动、零用户确认，无人工节点。\n- 渲染能力提升：全面支持分区式看板布局、“便当盒”网格、各图表独立数据解读区及 8 套商业级配色主题。\n- 大幅增强自动状态推进与检查点逻辑，QA 审核通过后自动切换至下阶段，彻底避免“等待用户确认”。\n- 结构优化：新增/完善 FAQ、反模式、使用示例等参考文档，并清理旧 reference 目录。\n- 细化与强化 CLI 使用/异常处理规范；严格禁止内联 Python 代码与路径模糊跳过状态机等违规行为。\n\nv0.1.0 | 2026-08-06T09:34:35.960Z | auto\n\nInitial public release with strict auto-execution workflow and CLI integration:\n\n- Fully automated multi-source data analysis and professional business report rendering for Excel uploads.\n- Enforces a mandatory multi-stage state machine: each phase must be completed and verified before proceeding.\n- Implements progressive chunked loading for documentation and workflow files to optimize context management.\n- All data operations must use the provided CLI tool (`run.py`), with clear rules for PowerShell compatibility.\n- Strict technical and process constraints: prohibits Python inline code execution, emoji use, and step skipping; enforces precise workflow, even in self-review scenarios.\n- Provides clear escalation and exception handling rules for CLI failures and unique meta-task scenarios.\n\nArchive index:\n\nArchive v0.1.1: 61 files, 200586 bytes\n\nFiles: .gitignore (175b), 1-manifest (0b), 1-manifest/skill-manifest.yaml (674b), agents (0b), agents/00-master-controller.md (11206b), agents/01-analyzer-agent.md (36143b), agents/02-designer-agent.md (19976b), agents/03-implementer-agent.md (16932b), agents/04-verifier-agent.md (11470b), agents/05-quality-auditor-agent.md (8169b), agents/06-visual-designer-agent.md (13191b), agents/07-report-designer-agent.md (5230b), agents/08-report-implementer-agent.md (5204b), agents/09-ai-reviewer-agent.md (5707b), artifacts (0b), artifacts/template-artifacts.md (10976b), CHANGELOG.md (7929b), conspect_tools (0b), conspect_tools/__init__.py (1279b), conspect_tools/ai_agent.py (39306b), conspect_tools/config.py (6158b), conspect_tools/data_feature_extractor.py (9449b), conspect_tools/data_processor.py (14277b), conspect_tools/data_statistics.py (11520b), conspect_tools/exporter.py (9142b), conspect_tools/render_engine.py (46038b), conspect_tools/report_renderer.py (15103b), conspect_tools/review_data_loader.py (7367b), conspect_tools/run.py (47586b), protocols (0b), protocols/baton-protocol.md (2640b), protocols/phase-protocol.md (2609b), README.md (5492b), references (0b), references/agent-communication.md (1267b), references/ai-reviewer.md (1183b), references/anti-patterns.md (9593b), references/chart-selection.md (1300b), references/cli-ai-workflow.md (4118b), references/examples.md (2689b), references/faq-deep.md (18715b), references/output-spec.md (5191b), references/quality-audit.md (2090b), references/trigger-guide.md (3960b), skill-card.md (2675b), SKILL-execution.md (46637b), SKILL.chunks (0b), SKILL.chunks/chunk-01-overview.md (2130b), SKILL.chunks/chunk-02-workflow.md (3736b), SKILL.chunks/chunk-03-data-pipeline.md (7934b), SKILL.chunks/chunk-04-rendering.md (10960b), SKILL.chunks/chunk-05-quality.md (7848b), SKILL.chunks/chunk-index.yaml (825b), SKILL.md (31856b), tests (0b), tests/test_ai_agent.py (5534b), tests/test_data_feature_extractor.py (2708b), tests/test_data_statistics.py (2399b), tests/test_report_renderer.py (3501b), tests/test_review_data_loader.py (3442b), _meta.json (127b)\n\nFile v0.1.1:SKILL.md\n\n---\nname: conspect\nversion: 3.1\nauthor: AI\ndisplay_name: Conspect 全自动报表渲染引擎\ndescription: 全自动多源数据智能分析与商务报表渲染工具。上传Excel数据源，AI自动完成数据解析、图表选型、商务排版、可视化渲染，输出可直接开会投屏的专业报表。v3.1 全流程托管AI自动生成，零用户确认环节，端到端稳定丝滑。适用场景：生成报表/数据看板/Excel出图/投屏数据/多表合并分析。不适用：简单数据整理/桌面BI工具/纯文本报告。\nlanguage: zh-CN\ntags:\n  - 数据分析\n  - 报表生成\n  - 数据可视化\n  - ECharts\n  - 自动化\n  - 全流程托管\n---\n\n# Conspect — 全自动数据智能分析与商务报表渲染引擎\n\n> **数据进，报表出**。用户只需上传Excel数据源，AI全自动完成从数据解析到专业报表渲染的全链路处理。\n> v3.1 升级：**全流程托管AI自动生成，零用户确认环节**——分析通过 QA 即自动推进至设计，端到端稳定丝滑。\n> v3.1 渲染能力升级：分区式看板布局 + 便当盒网格 + 每图表数据解读区 + 8 套商业级配色主题。\n> 本 Skill 的每个阶段均设强制检查点（QA 审核），未经审核不得跳转。\n\n---\n\n## 快速参考\n\n| 类别 | 说明 |\n|------|------|\n| **When to use** | 生成报表 / 做数据看板 / Excel出图 / 投屏数据 / 多表合并分析 / 上传多份Excel请求分析 |\n| **When NOT to use** | 简单单文件数据整理（无需可视化）、需桌面BI工具（PowerBI/Tableau）、只需纯文本报告 |\n| **How it works** | 上传Excel → 分析Agent解析清洗聚合 → 设计Agent图表选型排版 → 渲染Agent输出看板/HTML/PDF + 分析报告(MD/HTML/PDF/Word) |\n| **What it produces** | 交互式Web看板（投屏首选）、轻量化离线HTML（发老板首选）、PDF/PNG长图、结构化分析报告（含中文命名副本） |\n\n---\n\n## [WARN] 激活即执行（强制！）\n\n当 Conspect 被激活时（用户表达了数据分析/报表生成等意图），AI **必须**立即执行以下流程，不得等待用户额外指令：\n\n```\nStep 1: 运行强制入口清单（见 SKILL-execution.md）\nStep 2: 读取接力棒 → 确定当前状态\nStep 3: 如果接力棒不存在 → 创建接力棒，状态 = 开始\nStep 4: 如果状态是 X → 直接从 X 阶段续跑\nStep 5: 按状态路由表执行当前阶段任务\nStep 6: 完成阶段任务 → 更新接力棒 → 自动进入下一阶段\nStep 7: 重复 Step 5-6，直到 完成\n```\n\n### 渐进式分块加载（Progressive Disclosure）\n\n本 Skill 采用渐进式分块加载策略，控制上下文大小：\n\n| 级别 | 文件名 | 触发条件 |\n|------|--------|---------|\n| L0 (始终) | `chunk-01-overview` | Skill 激活时始终加载 |\n| L1 (高频) | `chunk-02-workflow` | 进入工作流执行阶段 |\n| L2 (中频) | `chunk-03-data-pipeline` + `chunk-04-rendering` | 分析/渲染阶段按需加载 |\n| L3 (低频) | `chunk-05-quality` | QA/审核阶段按需加载 |\n| L2 (中频) | `references/output-spec` | 输出规范阶段按需加载 |\n| L2 (中频) | `references/trigger-guide` | 触发机制阶段按需加载 |\n| L3 (低频) | `references/examples` | 使用示例阶段按需加载 |\n| L3 (低频) | `references/quality-audit` | 质量审核阶段按需加载 |\n| L3 (低频) | `references/ai-reviewer` | AI审核阶段按需加载 |\n| L2 (中频) | `references/cli-ai-workflow` | CLI/AI协作阶段按需加载 |\n| L3 (低频) | `references/agent-communication` | Agent通信阶段按需加载 |\n| L3 (低频) | `references/chart-selection` | 图表选型阶段按需加载 |\n\n**加载规则**：\n1. SKILL.md 加载后，自动读取 `chunk-index.yaml` 获取分块元数据\n2. 按当前所处阶段自动加载对应级别的分块文件（load_on_demand）\n3. 已加载的分块在当前阶段完成后可自动卸载（auto_unload）\n4. 分块内容不应与 Agent 指令文件冲突；冲突时以 Agent 文件为准\n\n> **自绑定条款（不可绕过）**：\n> - 本条 Skill 的 **所有规则、约束、状态机均无条件适用于一切被激活的场景**，包括但不限于：\n>   1. 常规数据分析/报表生成任务\n>   2. **元任务：审查/检查/修复本 Skill 自身**\n>   3. **元任务：评估本 Skill 的执行质量或完整性**\n>   4. 被 Task 子Agent 调用时的任何子任务\n> - **元任务例外（解决审查死锁）**：当 AI 被要求审查/分析/修复本 Skill 自身时，自动进入\"元任务模式\"，**跳过标准 9 阶段状态机**，采用独立的审查流程（读取文件→逻辑分析→输出报告）。元任务完成后，恢复标准状态机。元任务期间仍需遵守 emoji 禁令、数据安全红线等全局规则。\n> - 以下理由 **不构成绕过状态机的合法依据**：\n>   - \"我正在审查Skill本身，所以不需要走状态机\"\n>   - \"我先读取所有文件了解一下，之后再走状态机\"\n>   - \"我用Task子Agent来做，子Agent不需要遵守状态机\"\n>   - \"我不知道当前状态是什么，所以从零开始做\"\n> - **违规后果**：如果在任何回复中发现AI绕过了状态机（未输出\"当前状态\"、未创建接力棒、未按阶段执行），用户可判定本 Skill **无效**。\n\n**AI 不得**：\n- [禁止] 等待用户输入 `/conspect start` 命令才开始\n- [禁止] 做完一步后询问\"下一步做什么？\"（v3.0 全流程自动推进，无任何用户确认节点）\n- [禁止] 在分析阶段后等待用户确认才推进设计（QA 审核通过即自动进入下一阶段）\n- [禁止] 跳过产物更新直接进入下一阶段\n- [禁止] 用\"已在对话中展示\"替代写入产物文件\n- [禁止] 以路径模糊为由跳过状态机\n- [禁止] **以元任务（审查/修复 Skill 自身）为由绕过状态机**\n- [禁止] **以\"先读取所有文件了解一下\"为由跳过入口清单**\n- [禁止] **使用 Task 子Agent 执行实质性工作时绕过状态机**（子Agent返回后必须继续遵守状态机，不得跳过当前阶段）\n- [禁止] **在用户主动中断/提问时忽略用户输入并继续自动推进**（必须优先执行\"用户中断处理机制\"）\n- [禁止] **使用 `python -c` 或 `python.exe -c` 执行内联 Python 代码**（Windows PowerShell 不支持内联代码，必须使用 CLI 工具层 `python run.py` 或写入脚本文件）\n- [禁止] **CLI 命令失败后放弃 CLI，自行写 `python -c` 内联代码替代**（必须先定位 CLI_DIR，按\"CLI 调用失败时的处理流程\"重试，仍失败则写 .py 脚本文件而非 -c 内联）\n- [禁止] **在 PowerShell 单引号字符串中对双引号加反斜杠转义**（即用 `'{\\\"key\\\": \\\"value\\\"}'` 代替 `'{\"key\": \"value\"}'`，这会导致 JSON 解析失败）\n- [禁止] **在任何输出产物中使用 emoji 或表情符号**（含 HTML/图表/文字，违规即 P0 阻断）\n\n---\n\n## CLI 工具层速查表（激活即加载）\n\n> 本 Skill 所有数据操作**必须**通过 CLI 工具层执行。以下列表是你在各阶段需要用到的所有 CLI 命令。\n> 如果你在某个阶段需要操作数据/加载文件/计算统计/交叉分析，**先查下表**，不要自己写 Python 代码。\n\n### CLI 调用方式（修复 PowerShell 引号问题的终极方案）\n\nCLI 工具 `run.py` 位于 Skill 安装目录下的 `conspect_tools/` 子目录中。调用时必须**先切换到该目录**，再执行。\n\n#### 方案 A（推荐）：标准输入管道传递 JSON\n\n**这是最推荐的调用方式**。PowerShell 单引号中的双引号是字面量，通过管道传给 `python run.py` 的标准输入，完全不存在引号转义问题。\n\n```powershell\ncd {CLI_DIR}\n'{\"file_paths\": [\"e:/skill_example/数据源文件.xlsx\"]}' | python run.py analyze\n```\n\n**工作原理**：`'...'` 保持字符串原样 → `|` 管道传给 stdin → Python 的 `sys.stdin.read()` 直接读到有效 JSON。\n\n#### 方案 B（备选）：`--params-file` 从文件读取\n\n如果因管道不支持（如参数太长），先用 IDE 的 `Write` 工具创建 JSON 文件，然后 CLI 从文件读取：\n\n```\n步骤 1：用 IDE Write 工具创建 _params.json\n  文件路径 = {CLI_DIR}/_params.json\n  内容：{\"file_paths\": [\"e:/数据源文件.xlsx\"]}\n\n步骤 2：切换到 CLI 目录，从文件读取参数执行\n  cd {CLI_DIR}\n  python run.py analyze --params-file _params.json\n```\n\n**注意**：必须用 IDE 的 `Write` 工具（不是终端的 PowerShell `write` 命令，那是 `Write-Output` 别名只打印不写文件）。\n\n#### 方案 C（最后备用）：单引号内联 JSON\n\n仅在无法使用管道和文件时使用：\n\n```powershell\ncd {CLI_DIR}\npython run.py analyze '{\"file_paths\": [\"e:/data.xlsx\"]}'\n```\n\n**警告**：单引号内**不要**给双引号加反斜杠！\n- [正确] `'{\"key\": \"val\"}'` → ✅\n- [错误] `'{\\\"key\\\": \\\"val\\\"}'` → ❌ Invalid JSON\n\n#### 路径调用规则\n\n```powershell\n# [正确] 先 cd 到 {CLI_DIR}\ncd {CLI_DIR}\npython run.py analyze --params-file _params.json\n\n# [错误] 不要两个路径参数都用引号并列\n\"python.exe\" \"run.py\" analyze '{...}'  # PowerShell ParserError ❌\n```\n\n**Skill 安装目录自动定位规则**（AI 必须执行）：\n\n```\n1. 使用 Glob 全局搜索 run.py（最可靠，能找到所有副本）：\n   glob **/conspect_tools/run.py\n   \n2. 搜索结果可能有多个（开发目录 + 系统目录），**优先选择：\n   - 不在 c:\\Users\\{user}\\.trae-cn\\ 路径下的（系统目录代码可能不是最新版）\n   - 在 e:\\ 或项目所在盘符下的\n   \n3. 如果只有系统目录可用（c:\\Users\\{user}\\.trae-cn\\...），也可以使用\n   但确认没有其他路径选择\n\n4. 定位到后，记下该目录路径作为 {CLI_DIR}\n5. 验证方式：ls {CLI_DIR}/run.py 确认文件存在\n6. 后续所有 CLI 调用统一使用：\n   cd {CLI_DIR}\n   python run.py <action> '<json_params>'\n```\n\n### 命令速查表\n\n| 动作 | 命令格式 | 使用阶段 | 用途 |\n|------|---------|---------|------|\n| **analyze** | `python run.py analyze '{\"file_paths\": [...]}'` | 分析 | 全链路分析（加载→清洗→维度识别→聚合→统计→质量评分） |\n| **load** | `python run.py load '{\"file_paths\": [...]}'` | 分析 | 仅加载数据，返回 Sheet 列表 |\n| **read_all** | `python run.py read_all '{\"file_paths\": [...]}'` | 分析 | 返回原始结构信息（列名/类型/样本） |\n| **cross_tabulate** | `python run.py cross_tabulate '{\"file_paths\": [...], \"row_dim\": \"...\", \"col_dim\": \"...\"}'` | 分析 | 任意两维度交叉聚合 |\n| **quality_assess** | `python run.py quality_assess '{\"file_paths\": [...]}'` | 分析 | 按列数据质量评分 |\n| **compare_data** | `python run.py compare_data '{\"data1\": {...}, \"data2\": {...}}'` | 分析/审核 | 两数据集一致性比较 |\n| **extract_features** | `python run.py extract_features '{\"data\": {...}}'` | 分析/设计 | 提取数据特征 |\n| **calc_statistics** | `python run.py calc_statistics '{\"values\": [...]}'` | 分析/洞察 | 计算统计数据 |\n| **ai_decide_chart** | `python run.py ai_decide_chart '{\"features\": {...}}'` | 设计 | AI Agent 图表选型 |\n| **ai_generate_insights** | `python run.py ai_generate_insights '{\"statistics\": {...}}'` | 洞察 | AI Agent 生成洞察 |\n| **render_report** | `python run.py render_report '{\"report_design\": {...}}'` | 报告 | 渲染报告（MD/HTML/PDF/Word） |\n| **save_report** | `python run.py save_report '{\"content\": \"...\", \"filename\": \"...\"}'` | 报告 | 保存产物文件 |\n| **save_with_chinese_name** | `python run.py save_with_chinese_name '{\"content\": \"...\", \"filename\": \"...\"}'` | 报告 | 保存并生成中文命名副本 |\n\n### CLI 调用失败时的处理流程（强制！不遵守视为违规）\n\n```markdown\n[P0 阻断] 如果 CLI 命令执行失败（ParserError/路径错误等），AI 不得自行写 Python 代码替代！\n\n[正确] 失败处理流程：\n1. 确认 {CLI_DIR} 路径是否正确（重新搜索 run.py）\n2. 确认是否先 cd 到了 {CLI_DIR}\n3. **改用标准输入管道方式重试（最可靠）**：\n   ```powershell\n   cd {CLI_DIR}\n   '{\"file_paths\": [\"e:/数据源文件.xlsx\"]}' | python run.py analyze\n   ```\n4. 如果管道成功，继续执行；后续所有调用都使用此方式\n5. 如果管道失败，改用 --params-file 方式\n6. 如果仍失败，将 Python 逻辑写入 .py 文件执行（而非 -c 内联）\n\n[错误] 失败后的错误做法：\n- ❌ 放弃 CLI，直接用 python -c \"import pandas as pd; ...\"\n- ❌ 说\"CLI 不能用，所以我自己写代码分析\"\n- ❌ 说\"PowerShell 不支持，改用脚本方式\"\n```\n\n> **白名单例外**：唯一允许 AI 写脚本文件的情况是 CLI 中确实没有对应动作（如自定义数据透视），且必须先写入 `.py` 文件再执行。即使写脚本，也不能使用 `-c` 内联方式。\n\n---\n\n## 核心约束\n\n### 技术约束\n\n- **零客户端依赖**：数据处理和渲染全在后端完成，用户仅需浏览器即可查看最终报表\n- **后端全量处理**：所有数据解析、清洗、聚合逻辑运行在服务端，不依赖用户本地计算资源\n- **ECharts 可视化**：图表渲染基于 ECharts 库，支持折线图、柱状图、饼图、散点图、雷达图等主流商用图表类型\n- **Excel 数据源**：仅支持 `.xlsx` / `.xls` / `.csv` 格式的 Excel 文件作为数据入口\n- **只读不修改**：本 Skill 只做分析和可视化，不修改用户上传的原始数据文件\n\n### 执行约束（强制！）\n\n当 Conspect 被激活时，AI **必须**读取 `SKILL-execution.md` 获取当前阶段的详细执行步骤。\n\n**禁止**：\n- 跳过 SKILL-execution.md 直接执行\n- 仅凭 SKILL.md 中的简要描述执行\n- 省略任何步骤（如审核、中文命名等）\n\n### 禁止内联 Python 代码（强制！）\n\nAI **禁止**使用 `python -c \"...\"` 或 `python.exe -c \"...\"` 方式在 PowerShell 中执行内联 Python 代码，因为 Windows PowerShell 不支持内联 Python 代码（引号嵌套会导致 ParserError）。\n\n**正确方式**：所有数据加载、分析和计算操作必须使用 CLI 工具层：\n```bash\npython run.py analyze '{\"file_paths\": [\"文件.xlsx\"]}'\npython run.py load '{\"file_paths\": [\"文件.xlsx\"]}'\npython run.py extract_features '{\"data\": {...}}'\npython run.py calc_statistics '{\"values\": [...]}'\n```\n\n**如果需要执行自定义 Python 逻辑**：先写入 `.py` 脚本文件，再执行脚本：\n\n### 产物缺失阻断（强制！）\n\n每个阶段结束后，AI **必须**检查所有应该生成的文件是否已生成。\n\n**如果产物缺失 → 阻断 → 必须补充生成**\n\n#### 报告生成阶段必须生成的文件\n- `_cs-report.md`（Markdown 报告）\n- `_cs-report.html`（HTML 报告）\n- `_cs-report.pdf`（PDF 报告）\n- `_cs-report.docx`（Word 报告）\n- `_cs-index.json`（关联索引）\n- `数据看板.html`（中文命名副本，对应 `_cs-dashboard.html`）\n- `分析报告.md`（中文命名副本，对应 `_cs-report.md`）\n\n#### 所有阶段必须生成的基础文件\n- `_cs-baton.md`（接力棒）\n- `_cs-analysis.md`（分析报告）\n- `_cs-insights.json`（洞察数据）\n- `_cs-design.md`（设计文档）\n- `_cs-implement.md`（实现摘要）\n- `_cs-verify.md`（验证报告）\n\n### 审核执行检查（强制！）\n\n每个阶段结束后，AI **必须**检查审核报告是否已生成。\n\n**如果审核报告缺失 → 阻断 → 必须补充生成**\n\n#### 必须生成的审核报告\n- `_cs-qa-analysis.md`（分析质量审核报告）\n- `_cs-qa-design.md`（设计质量审核报告）\n- `_cs-qa-implement.md`（实现质量审核报告）\n- `_cs-qa-report.md`（报告质量审核报告）\n- `_cs-qa-verify.md`（验证质量审核报告）\n\n### 中文命名检查（强制！）\n\n报告生成阶段结束后，AI **必须**检查中文命名副本是否已生成。\n\n**如果中文命名副本缺失 → 阻断 → 必须补充生成**\n\n#### 必须生成的中文命名副本\n| 原始文件名 | 中文命名 |\n|-----------|---------|\n| `_cs-dashboard.html` | `数据看板.html` |\n| `_cs-report.md` | `分析报告.md` |\n\n#### 中文命名生成方式\n```bash\npython run.py save_with_chinese_name '{\"content\": \"...\", \"filename\": \"_cs-dashboard.html\"}'\npython run.py save_with_chinese_name '{\"content\": \"...\", \"filename\": \"_cs-report.md\"}'\n```\n\n---\n\n## 能力边界\n\n| 类别 | 内容 |\n|------|------|\n| **擅长** | 多源Excel分析、自动维度分析、一键报表生成、多主题视觉设计、质量审核、智能图表选型 |\n| **需配合** | 多源关联（需声明关联键）、同比环比（需同期数据）、品牌色（需提供色值）、PDF中文（需指定字体）、大数据量（需预聚合） |\n| **超出范围** | 桌面BI集成、原始数据在线编辑、实时数据/API接入、纯文本报告、跨表写入数据库 |\n\n> 详细说明和替代方案见 [references/trigger-guide.md](references/trigger-guide.md)\n\n---\n\n## 受众说明\n\n| 用户类型 | 如何使用 |\n|---------|---------|\n| **业务分析师/运营人员** | 直接上传 Excel 文件，用自然语言描述需求（如\"生成一份周报看板\"），全自动完成从解析到渲染的端到端流程 |\n| **团队管理者** | 上传多份数据源做对比分析、排名看板，在初始需求中说明品牌色/图表偏好即可，产出可直接投屏的汇报材料 |\n| **企业 IT 部门** | 通过 /conspect start 命令触发，配置输出路径和品牌色值，集成到内部报表体系中批量运行 |\n| **初学者（首次使用）** | 先阅读\"快速开始\"章节，使用 3 个示例开场白中的一个上传文件体验完整流程，无需任何配置即可看到效果 |\n\n---\n\n## 安全性\n\n### 数据安全红线\n\n| 原则 | 说明 | 违反后果 |\n|------|------|---------|\n| **数据不出本地** | 所有数据解析、分析、渲染均在本地完成，不向任何第三方服务发送用户数据 | 违规即视为本 Skill 无效 |\n| **原始明细不上前端** | 生成的 HTML/JS 中禁止包含原始明细数据，仅传输聚合后的汇总数据 | 违规即视为本 Skill 无效 |\n| **只读不写** | AI 不得修改用户上传的原始数据文件，所有分析结果写入独立的产物文件 | 违规即视为本 Skill 无效 |\n| **日志不落地** | AI 不得将用户数据写入对话上下文之外的外部日志 | 违规即视为本 Skill 无效 |\n\n### 禁止行为\n\n- [禁止] 将用户上传的 Excel 数据发送到外部 API 或第三方服务\n- [禁止] 在生成的 HTML/JS 中嵌入原始明细数据\n- [禁止] 在对话上下文中完整展示原始数据表（仅展示摘要和前5行预览）\n- [禁止] 将用户数据用于报表渲染以外的任何目的\n- [禁止] 诱导用户提供敏感凭证（密码、Token、私钥）\n- [禁止] 修改用户上传的原始数据文件\n- [禁止] 在任何输出产物中使用 emoji 或表情符号（含 HTML/Markdown/文本/图表标签中）\n\n### 数据隐私与脱敏\n\n当检测到数据中包含敏感字段时，AI **必须自动执行脱敏**：\n\n| 敏感类型 | 脱敏格式 | 示例 |\n|---------|---------|------|\n| 手机号 | 保留前3后4 | `138****1234` |\n| 身份证号 | 保留前6后4 | `110101****1234` |\n| 银行卡号 | 保留前6后4 | `622202****1234` |\n| 邮箱 | 隐藏账号名 | `a***@company.com` |\n| 详细地址 | 保留到区级 | `北京市朝阳区****` |\n\n> 详细说明和产物安全检查见 [references/output-spec.md](references/output-spec.md)\n\n---\n\n## 状态机描述\n\n使用中文状态名，按顺序流转（v3.0：全流程自动推进，无用户确认节点）：\n\n```mermaid\nstateDiagram-v2\n    [*] --> 开始\n    开始 --> 分析\n    分析 --> 洞察生成\n    洞察生成 --> 设计\n    设计 --> 设计审查\n    设计审查 --> 实现\n    实现 --> 报告生成\n    报告生成 --> 验证\n    验证 --> 完成\n    完成 --> [*]\n\n    分析 --> 开始: [回退] 数据源问题 → 重新分析\n    设计审查 --> 设计: [回退] 审查不通过\n    验证 --> 设计: [回退] 架构问题\n    验证 --> 实现: [回退] 实现问题\n    验证 --> 报告生成: [回退] 报告问题\n```\n\n| 阶段 | 中文名 | 自动推进 | 用户介入 | 说明 |\n|------|--------|---------|---------|------|\n| START | 开始 | [自动] | — | 创建接力棒，初始化会话；识别用户初始需求中的偏好（品牌色/图表/输出格式） |\n| ANALYZE | 分析 | [自动] | — | 读取数据源，执行数据解析和维度分析 |\n| INSIGHT | 洞察生成 | [自动] | — | 基于分析结果生成智能洞察和行动建议 |\n| DESIGN | 设计 | [自动] | — | 基于 QA 通过的分析结果自动进行图表设计和排版（无需用户确认） |\n| DESIGN_REVIEW | 设计审查 | [自动] | — | 视觉设计师审查设计方案 |\n| IMPLEMENT | 实现 | [自动] | — | 按照设计文档执行渲染和文件生成 |\n| REPORT | 报告生成 | [自动] | — | 渲染报告为多格式输出（MD/HTML/PDF/Word） |\n| VERIFY | 验证 | [自动] | — | 对实现产物进行多维度验证 |\n| DONE | 完成 | [自动] | — | 输出最终报告，流程结束 |\n\n> **v3.0 核心变更**：原\"确认\"阶段已删除。分析阶段 QA 审核通过即自动推进至洞察生成→设计，全流程零用户确认环节。用户偏好（品牌色、图表类型、输出格式等）在开始阶段从初始需求中识别，无需中途确认。\n\n---\n\n## 产物清单\n\n所有产物存放在 `{项目路径}/.agent/harness/`，使用 `_cs-` 前缀：\n\n| 文件 | 说明 | 生成阶段 |\n|------|------|----------|\n| `_cs-baton.md` | 接力棒（状态+进度+任务追踪） | 开始（持续更新） |\n| `_cs-analysis.md` | 数据分析报告 | 分析 |\n| `_cs-insights.json` | 智能洞察数据 | 洞察生成 |\n| `_cs-qa-analysis.md` | 分析质量审核报告 | 分析 → 洞察生成 间 |\n| `_cs-design.md` | 图表设计文档 | 设计 |\n| `_cs-design-review.md` | 设计审查意见 | 设计审查 |\n| `_cs-qa-design.md` | 设计质量审核报告 | 设计 → 设计审查 间 |\n| `_cs-implement.md` | 实现摘要 | 实现 |\n| `_cs-qa-implement.md` | 实现质量审核报告 | 实现 → 报告生成 间 |\n| `_cs-report.md` | 分析报告 Markdown | 报告生成 |\n| `_cs-report.html` | 分析报告 HTML | 报告生成 |\n| `_cs-report.pdf` | 分析报告 PDF | 报告生成 |\n| `_cs-report.docx` | 分析报告 Word | 报告生成 |\n| `_cs-index.json` | 关联索引 | 报告生成 |\n| `_cs-qa-report.md` | 报告质量审核报告 | 报告生成 → 验证 间 |\n| `_cs-verify.md` | 验证报告 | 验证 |\n| `_cs-qa-verify.md` | 验证质量审核报告 | 验证 → 完成 间 |\n| `_cs-final-report.md` | 最终汇总报告 | 完成 |\n\n渲染产物（不纳入接力棒管理）：\n\n| 产物类型 | 格式 | 说明 |\n|---------|------|------|\n| Web 看板 | `.html` | 交互式 ECharts 看板，可用于会议投屏 |\n| 离线报告 | `.html` | 轻量化单页报表，可直接发送给他人 |\n| PDF 长图 | `.pdf` | 高清 PDF 打印版报表 |\n| PNG 截图 | `.png` | 关键图表截图，用于插入文档或消息 |\n| 分析报告 | `.md` | 分析报告 Markdown |\n| 分析报告 | `.html` | 分析报告 HTML（独立文件） |\n| 分析报告 | `.pdf` | 分析报告 PDF（打印归档） |\n| 分析报告 | `.docx` | 分析报告 Word（二次编辑） |\n| 中文命名副本 | `.html`/`.md` | 数据看板.html、分析报告.md |\n\n---\n\n## Agent 列表\n\nConspect 采用 10 个子 Agent 协作完成全链路流程：\n\n| # | Agent | 职责阶段 | 简介 |\n|---|-------|---------|------|\n| 1 | **主控 Agent**（master） | 全部（协调） | 负责全局调度、状态机流转控制、文件管理、用户交互 |\n| 2 | **分析 Agent**（analyzer） | 分析 | 读取 Excel 数据源，执行数据解析、清洗、维度分析、指标计算 |\n| 3 | **AI 洞察 Agent**（insight） | 洞察生成 | 基于分析结果，利用AI能力生成智能洞察和行动建议 |\n| 4 | **设计 Agent**（designer） | 设计 | 基于分析结果进行图表智能选型、商务排版设计、配色方案选择 |\n| 5 | **实现 Agent**（implementer） | 实现 | 按照设计文档编码实现：生成 Web 看板 HTML、离线报告 HTML、PDF/PNG 产物 |\n| 6 | **报告设计 Agent**（report-designer） | 报告生成 | 基于智能洞察和分析结果，设计报告结构，组织内容 |\n| 7 | **报告实现 Agent**（report-implementer） | 报告生成 | 按照报告设计文档，渲染报告为多格式输出（MD/HTML/PDF/Word），并生成中文命名副本 |\n| 8 | **验证 Agent**（verifier） | 验证 | 对实现产物执行多维度验证：数据一致性、渲染完整性、商务合规性 |\n| 9 | **AI 审核 Agent**（ai-reviewer） | 全部（独立审核） | 利用AI的理解和分析能力，对产出物进行端到端审核 |\n| 10 | **视觉设计师 Agent**（visual-designer） | 设计→实现（设计审查） | 负责审查设计方案的视觉风格合规性 |\n\n> 各 Agent 的详细职责和协作方式见 [references/agent-communication.md](references/agent-communication.md)\n\n---\n\n## 分块加载说明\n\n为控制单次上下文大小，Conspect Skill 采用渐进式分块加载策略：\n\n| 分块文件 | 内容 | 加载时机 |\n|---------|------|---------|\n| `SKILL.chunks/chunk-index.yaml` | 分块索引与加载规则 | 始终加载 |\n| `SKILL.chunks/chunk-01-overview.md` | 产品概述、核心约束、触发机制 | 始终加载 |\n| `SKILL.chunks/chunk-02-workflow.md` | 核心工作流（状态机+数据处理流水线） | 高频加载 |\n| `SKILL.chunks/chunk-03-data-pipeline.md` | 数据流水线详解 | 中频加载 |\n| `SKILL.chunks/chunk-04-rendering.md` | 渲染引擎详解 | 中频加载 |\n| `SKILL.chunks/chunk-05-quality.md` | 质量审核体系 | 低频加载 |\n| `references/output-spec.md` | 输出规范（运行稳定性、异常处理、输出准确性、降级兜底） | 按需加载 |\n| `references/trigger-guide.md` | 触发机制（自然语义、命令、程序化调用、功能选择、定制化） | 按需加载 |\n| `references/examples.md` | 使用示例（销售周报自动生成） | 按需加载 |\n| `references/quality-audit.md` | 质量审核机制（审核执行者、时机、检查清单、不通过处理） | 按需加载 |\n| `references/ai-reviewer.md` | AI 审核 Agent 拉起方式（拉起时机、流程、输入参数、输出结果） | 按需加载 |\n| `references/cli-ai-workflow.md` | CLI 和 AI Agent 调用顺序（各阶段调用顺序） | 按需加载 |\n| `references/agent-communication.md` | 主控 Agent 与子 Agent 通信方式（通信方式、输入输出格式） | 按需加载 |\n| `references/chart-selection.md` | 图表选型指南（选型规则、调用方式） | 按需加载 |\n\n加载规则：\n- `chunk-index.yaml` 和 `chunk-01-overview.md` 伴随主文档同时加载\n- 其余分块在进入对应阶段时按需加载\n- 分块加载不阻断状态机流转\n\n---\n\n## 快速开始\n\n**一句话概述**：上传 Excel 文件，告诉 AI 你要什么报表，自动生成。\n\n**3 个可直接复制的开场白**：\n\n```\n\"帮我分析这份业务数据，出一份周报看板\"\n→ 上传 sales.xlsx，自动进入状态机，从分析到渲染全自动完成\n\n\"对比一下这两个月的经营数据，做一份投屏用的报表\"\n→ 上传 current.xlsx 和 previous.xlsx，自动做同比分析\n\n\"把这三个部门的业绩数据合在一起做个排名看板\"\n→ 上传三份 Excel，自动合并、排名、渲染\n```\n\n**首次使用建议**：先上传文件，再说需求。AI 会自动识别数据结构和字段含义。\n\n> 更多使用示例和场景见 [references/examples.md](references/examples.md)\n\n---\n\n## FAQ — 常见问题\n\n> 分类索引：**[使用入门]** | **[流程管理]** | **[数据安全]** | **[兼容集成]** | **[功能定制]**\n\n---\n\n### [使用入门]\n\n#### Q1：如何开始使用 Conspect？\n\n直接上传您的 Excel 数据文件（`.xlsx` / `.xls` / `.csv`），然后告诉 AI 您的需求（如\"生成一份业务数据看板\"）。Conspect 会自动进入状态机，从数据解析到报表渲染全自动完成。\n\n也可以输入 `/conspect start` 手动启动。\n\n### [流程管理]\n\n#### Q2：流程执行到一半能中断吗？中断后怎么恢复？\n\n可以。Conspect 设计了专门的用户中断处理机制（见 SKILL-execution.md）：\n\n1. **立即暂停**：AI 展示 3 个选项（立即重置 / 记入 TODO / 仅讨论）\n2. **选择处理方式**：根据需求选择对应操作\n3. **自动恢复**：即使关闭对话重新打开，接力棒机制会自动恢复现场，从断点继续执行\n\n### [数据安全]\n\n#### Q3：我的数据会上传到第三方吗？\n\n**不会**。Conspect 的所有数据处理、分析和渲染均在本地环境完成：\n\n- 数据解析和清洗：本地运行 Python 脚本处理\n- 图表渲染：使用 ECharts 库在本地生成 HTML 文件\n- 数据存储：产物文件仅保存在 `{项目路径}/.agent/harness/` 目录中\n- 不向任何第三方服务发送用户数据\n\n### [兼容集成]\n\n#### Q4：Conspect 的产物文件和现有 `_baton.md` 冲突吗？\n\n**不会冲突**。Conspect 使用 `_cs-` 前缀命名所有产物文件（如 `_cs-baton.md`、`_cs-analysis.md`），与 ReqPlan-v3 的 `_baton.md`、`_analysis.md` 等文件命名不重叠。多个 Skill 可以在同一项目的 `.agent/harness/` 目录下共存。\n\n### [功能定制]\n\n#### Q5：支持哪些图表类型？\n\nConspect 支持 ECharts 主流图表类型：\n\n- **比较类**：柱状图、条形图、折线图、雷达图\n- **构成类**：饼图、环形图、堆叠图、瀑布图\n- **分布类**：散点图、气泡图、热力图\n- **时序类**：折线图、面积图、K 线图\n- **关系类**：关系图、桑基图、树图\n- **仪表类**：仪表盘、进度图、指标卡\n\nAI 会根据数据特征自动选型；如需指定，可在初始需求中说明（如\"折线图展示趋势\"）。\n\n> 详细图表选型规则见 [references/chart-selection.md](references/chart-selection.md)\n\n#### Q6：可以自定义配色和品牌风格吗？\n\n可以。在**开始阶段**（初始需求中），您可以指定品牌色值（如 `#1890FF`）、字体风格、Logo 位置等品牌元素。设计 Agent 会自动将品牌规范融入排版方案。\n\n如果不指定，Conspect 使用默认商务配色（蓝白主色调）。\n\n---\n\n## 版本信息\n\n**版本**: v3.0\n**更新日期**: 2026-08-11\n\n**核心设计**:\n- 9 阶段状态机（开始 → 分析 → 洞察生成 → 设计 → 设计审查 → 实现 → 报告生成 → 验证 → 完成）\n- **v3.0 全流程托管**：删除原\"确认\"阶段，分析 QA 通过即自动推进，零用户确认环节\n- 中文状态名 + `_cs-` 产物前缀\n- 零客户端依赖，后端全量处理\n- ECharts 可视化引擎\n- **AI 驱动审核机制**：利用AI的理解和分析能力进行端到端审核\n- **子 Agent 审核**：避免上下文污染，提高审核效率\n- 接力棒持久化（跨 Session 续跑）\n- 验证链规则（计数验证 / 列表验证 / 文件验证）\n- 用户中断处理机制（3 选项）\n- **双产物模式**：看板 + 分析报告（MD/HTML/PDF/Word）\n- **中文命名**：最终产品自动生成中文命名副本\n- **CLI与AI分工**：CLI只负责数据支持，AI负责决策分析\n- **渐进式分块加载**：控制上下文大小，提高执行效率\n- **v3.0 稳定性增强**：Python 工具层异常处理、接力棒自动恢复、产物完整性自动检查\n- **v3.0 偏好识别**：用户偏好（品牌色/图表/输出格式）从初始需求中识别，替代原确认阶段\n\nFile v0.1.1:README.md\n\n# Conspect — 全自动报表渲染引擎\n\n> 上传 Excel，一句话需求，AI 全自动生成可投屏的专业商务报表。\n\n[![version](https://img.shields.io/badge/version-3.1-blue)](./1-manifest/skill-manifest.yaml)\n[![level](https://img.shields.io/badge/level-L3-success)](./CHANGELOG.md)\n[![license](https://img.shields.io/badge/license-MIT-green)](#许可证)\n\n---\n\n## 这是什么\n\nConspect 是一个通用的 AI Skill，把\"Excel → 开会用的报表\"这件事全自动托管给 AI。\n\n- **一句话需求触发**：上传 Excel + \"帮我出一份周报看板\"\n- **9 阶段全自动推进**：分析 → 洞察生成 → 设计 → 设计审查 → 实现 → 报告生成 → 验证 → 完成\n- **零用户确认环节**（v3.0）：偏好从初始需求自动识别，不再中途打断你\n- **多格式输出**：HTML 看板 / PDF / Markdown / Word，含中文命名副本\n\n## 快速开始\n\n### 1. 触发方式\n\n```\n/conspect start                 # 启动报表任务\n/conspect start --offline       # 离线模式（内联 ECharts，无需联网）\n/conspect status                # 查看当前进度\n/conspect reset                 # 重置当前任务\n```\n\n或直接用自然语言：\n\n> \"帮我分析这份业务数据，出一份周报看板\" + 上传 sales.xlsx\n\n### 2. 在初始需求中说明偏好（可选）\n\nv3.0 起偏好从初始需求自动识别，全程无确认环节：\n\n| 偏好类型 | 示例 |\n|---------|------|\n| 配色 | \"用蓝色调\"、\"我想要暖色系\"、\"主色调用 #1890FF\" |\n| 图表 | \"对比多用柱状图\"、\"占比用饼图\" |\n| 输出格式 | \"生成 PDF 给我\"、\"做一个离线 HTML\" |\n| 分析焦点 | \"重点关注销售趋势\"、\"按区域分析\" |\n\n### 3. 产物位置\n\n所有产物位于 `{项目路径}/.agent/harness/`：\n\n| 文件 | 说明 |\n|------|------|\n| `_cs-dashboard.html` | 交互式 Web 看板 |\n| `_cs-report.md` / `.html` / `.pdf` | 多格式分析报告 |\n| `_cs-analysis.md` | 数据分析报告 |\n| `_cs-insights.json` | AI 洞察与建议 |\n| `_cs-verify.md` | 验证报告 |\n| `数据看板.html` / `分析报告.md` | 中文命名副本 |\n\n## 状态机（9 阶段全自动）\n\n```\n开始 → 分析 → 洞察生成 → 设计 → 设计审查 → 实现 → 报告生成 → 验证 → 完成\n```\n\n每个阶段产出物是下一阶段的前置条件，QA 审核不通过自动回退重做，最多重试 2 次。\n\n## 能力边界\n\n### ✅ 擅长\n\n- 多源 Excel 数据分析与合并\n- 商务报表/看板/数据大屏生成\n- 投屏用 HTML 看板\n- 多格式报告输出（HTML/PDF/MD/Word）\n\n### ❌ 不做\n\n- 简单数据整理（用 Excel 即可）\n- 桌面 BI 工具替代（用 Tableau/Power BI）\n- 纯文本报告（无图表需求时无需 conspect）\n- 实时数据流处理（conspect 处理静态文件）\n\n## CLI 工具层\n\n```powershell\ncd e:/Mytest_skill/.trae/skills/conspect/conspect_tools\n\n# 全链路分析\npython run.py analyze '{\"file_paths\": [\"数据源.xlsx\"]}'\n\n# 用户偏好识别（v3.0 新增）\npython run.py recognize_preferences '{\"user_requirement\": \"用蓝色调，出 PDF\"}'\n\n# 安全降级洞察生成（v3.0 新增）\npython run.py ai_generate_insights_safe '{\"statistics\": {...}}'\n\n# 交叉分析\npython run.py cross_tabulate '{\"file_paths\": [...], \"row_dim\": \"产品\", \"col_dim\": \"区域\"}'\n\n# 渲染报告\npython run.py render_report '{\"report_design\": {...}, \"format\": \"html\"}'\n```\n\n## 项目结构\n\n```\nconspect/\n├── SKILL.md                    # 主文档（触发契约 + 状态机）\n├── SKILL-execution.md          # 阶段执行手册\n├── README.md                   # 本文件\n├── CHANGELOG.md                # 版本变更记录\n├── 1-manifest/\n│   └── skill-manifest.yaml     # 技能清单\n├── agents/                     # 7 个 Agent 定义\n│   ├── 00-master-controller.md\n│   ├── 01-analyzer-agent.md\n│   ├── 02-designer-agent.md\n│   ├── 03-implementer-agent.md\n│   ├── 04-verifier-agent.md\n│   ├── 05-quality-auditor.md\n│   └── 06-visual-designer-agent.md\n├── protocols/                  # 协议文档\n│   ├── phase-protocol.md       # 阶段流转协议\n│   └── baton-protocol.md       # 接力棒协议\n├── references/                 # 深度参考\n│   ├── trigger-guide.md\n│   ├── examples.md\n│   └── faq-deep.md\n├── SKILL.chunks/               # 分块加载文档\n└── conspect_tools/             # Python 工具层\n    ├── run.py                  # CLI 入口\n    ├── config.py               # 配置（v3.0 稳定性增强）\n    ├── ai_agent.py             # AI Agent（v3.0 异常降级）\n    ├── data_processor.py\n    ├── data_statistics.py\n    ├── render_engine.py\n    └── ...\n```\n\n## 技术栈\n\n- **数据层**：pandas + openpyxl\n- **可视化**：ECharts 5\n- **渲染**：Jinja2 模板引擎\n- **导出**：PDF（weasyprint）/ Word（python-docx）\n\n## 版本历史\n\n详见 [CHANGELOG.md](./CHANGELOG.md)。\n\n- **v3.1**（2026-08-11）：渲染能力升级——分区式看板布局 + 便当盒网格 + 每图表数据解读区 + 8 套商业级配色，修复图表数据标准化与渲染 Bug\n- **v3.0**（2026-08-11）：全流程托管 AI 自动生成，删除确认环节，新增洞察生成和报告生成阶段\n- **v2.0**：9 阶段状态机（含确认环节）\n- **v1.0**：初始版本\n\n## 许可证\n\nMIT\n\nFile v0.1.1:_meta.json\n\n{\n  \"ownerId\": \"kn799bh9g8eq5n8nxav36av3d5879qr1\",\n  \"slug\": \"conspect\",\n  \"version\": \"0.1.1\",\n  \"publishedAt\": 1786427673487\n}\n\nFile v0.1.1:references/agent-communication.md\n\n# 主控 Agent 与子 Agent 通信方式\n\n> 本文档定义 conspect Skill 中主控 Agent 与子 Agent 的通信方式、输入参数格式和输出结果格式。\n\n---\n\n## 一、通信方式\n\n- 主控 Agent 读取子 Agent 指南（agents/09-ai-reviewer-agent.md）\n- 主控 Agent 准备输入参数（JSON 格式）\n- 主控 Agent 激活子 Agent（使用 Task 工具）\n- 子 Agent 执行任务（独立上下文）\n- 子 Agent 返回结果（JSON 格式）\n- 主控 Agent 接收结果并处理\n\n---\n\n## 二、输入参数格式\n\n```json\n{\n  \"task\": \"review_analysis\",\n  \"phase\": \"analysis\",\n  \"context\": {\n    \"raw_data_file\": \"path/to/raw_data.json\",\n    \"analysis_file\": \"path/to/_cs-analysis.md\"\n  },\n  \"business_context\": \"<根据数据源自动识别的业务场景>\",\n  \"output_file\": \"path/to/_cs-ai-review-analysis.md\"\n}\n```\n\n---\n\n## 三、输出结果格式\n\n```json\n{\n  \"status\": \"completed\",\n  \"passed\": true,\n  \"score\": 85.0,\n  \"issues\": [],\n  \"report_file\": \"path/to/_cs-ai-review-analysis.md\"\n}\n```\n\n---\n\n## 四、子 Agent 列表\n\n| 子 Agent | 职责 | 指南文件 |\n|---------|------|---------|\n| AI 审核 Agent | 端到端审核 | agents/09-ai-reviewer-agent.md |\n| 视觉设计师 Agent | 视觉审查 | agents/06-visual-designer-agent.md |\n\nFile v0.1.1:references/ai-reviewer.md\n\n# AI 审核 Agent 拉起方式\n\n> 本文档定义 AI 审核 Agent 的拉起方式、输入参数和输出结果。\n\n---\n\n## 一、拉起时机\n\n- 每个阶段完成后，主控 Agent **自动拉起** AI 审核 Agent\n- 审核不通过 → 阻断流程，必须修复\n\n---\n\n## 二、拉起流程\n\n```\n主控 Agent → 读取 AI 审核 Agent 指南 → 准备审核上下文 → 激活子 Agent（Task） → 子 Agent 执行审核 → 返回审核报告\n```\n\n---\n\n## 三、输入参数\n\n```json\n{\n  \"phase\": \"analysis/design/implement/report\",\n  \"context\": {\n    \"raw_data_file\": \"path/to/raw_data.json\",\n    \"analysis_file\": \"path/to/_cs-analysis.md\",\n    \"design_file\": \"path/to/_cs-design.md\",\n    \"implement_file\": \"path/to/_cs-implement.md\"\n  },\n  \"business_context\": \"<根据数据源自动识别的业务场景>\"\n}\n```\n\n---\n\n## 四、输出结果\n\n```json\n{\n  \"review_file\": \"path/to/_cs-ai-review-analysis.md\",\n  \"passed\": true/false,\n  \"score\": 85.0,\n  \"issues\": [...]\n}\n```\n\n---\n\n## 五、审核不通过处理\n\n1. 主控 Agent 读取审核报告\n2. 提取\"待修复问题清单\"\n3. 回退到对应阶段\n4. 修复问题\n5. 重新拉起 AI 审核 Agent\n6. 直到审核通过\n\nFile v0.1.1:references/anti-patterns.md\n\n# Conspect Skill 反模式说明文档\n\n> 本文档列举了使用 conspect Skill 过程中常见的错误用法及其改进方案，帮助用户避免踩坑、提升报表生成效率与质量。\n\n---\n\n## 1. 绕过状态机直接渲染\n\n**反模式描述：** 用户在数据预处理或设计阶段尚未完成时，直接要求 conspect Skill 生成最终图表/报表，跳过分析、设计、审核等环节。\n\n**典型案例：**\n- \"不用分析了，直接给我出一张销售额趋势图\"\n- \"数据我已经看过了，跳过设计阶段，开始渲染\"\n\n**问题分析：**\n- conspect Skill 的状态机（分析 → 设计 → 实现 → 验证 → 完成）是质量保证的核心机制\n- 跳过分析阶段会导致图表选型失当、数据维度遗漏\n- 跳过设计阶段会造成布局混乱、可读性差\n- 跳过审核阶段可能输出存在缺陷的报表\n\n**改进方案：**\n- 坚持走完整流程，每个阶段都有明确的输出产物\n- 如果对某个阶段有预判，可以在该阶段的交互中提供输入（如\"分析时重点关注XX指标\"），而非跳过\n- 使用 `--fast-track` 参数仅在数据质量极高、需求极其明确时可适度加速，但仍不可跳过质量审核\n\n---\n\n## 2. 前端承载原始数据\n\n**反模式描述：** 用户要求将原始明细数据直接嵌入前端 HTML/JavaScript 代码中，让浏览器端负责数据处理和聚合。\n\n**典型案例：**\n- \"把 10 万行销售明细写到 JS 变量里，前端做个汇总表\"\n- \"让前端 ECharts 自己计算各维度汇总\"\n\n**问题分析：**\n- 违反\"原始明细不上前端\"的核心设计原则\n- 前端承载大量原始数据会导致页面加载缓慢、内存占用飙升\n- 数据处理逻辑暴露在前端存在数据泄露风险\n- 浏览器端的计算能力有限，大数据量聚合可能导致页面卡死\n\n**改进方案：**\n- 后端（Python/Node.js 预处理脚本）完成数据清洗、聚合、计算\n- 前端只接收渲染所需的汇总数据和图表配置\n- 遵循后端全量处理、前端轻量渲染的分层架构\n- 使用 `conspect data summarize` 命令自动生成聚合数据\n\n---\n\n## 3. 人工指定图表类型\n\n**反模式描述：** 用户强行指定某张图表必须使用某种特定类型，而不接受 AI 的推荐选型。\n\n**典型案例：**\n- \"不要柱状图，就要用雷达图来展示月度趋势\"\n- \"所有对比必须用饼图，不要问为什么\"\n\n**问题分析：**\n- 雷达图不适合展示时间序列趋势，信息密度低、可读性差\n- 饼图在类别过多（>5 类）时难以直观比较\n- 人工指定可能忽略数据特征与图表类型的匹配关系\n- 导致生成的报表难以理解，反而需要反复返工\n\n**改进方案：**\n- 充分信任 AI 基于数据特征（维度基数、数值分布、时间序列等）的选型建议\n- 如果对某类数据有特殊的呈现偏好，可以在 DESIGN 阶段以\"推荐 + 微调\"的方式表达\n- 例如：\"对于占比数据优先考虑饼图，但如果超过 6 个类别请改用条形图\"\n- 在质量审核环节可以对图表类型提出修改意见，而非在最初强行指定\n\n---\n\n## 4. 混用桌面 BI 工具\n\n**反模式描述：** 用户要求将 conspect Skill 的产出导入到 PowerBI / Tableau 等桌面 BI 工具中继续处理，或要求输出专有格式。\n\n**典型案例：**\n- \"生成的报表能不能导出成 PowerBI 的 .pbix 格式\"\n- \"我想在 Tableau 里继续加工，输出 .twb 文件\"\n\n**问题分析：**\n- conspect Skill 遵循\"零客户端\"约束，产出物应为纯 Web 端可直接访问的格式\n- 桌面 BI 工具需要用户额外安装软件，违背了即开即用的理念\n- 专有格式（.pbix / .twb）限制了产出的可移植性和分享便捷性\n- 增加学习和使用成本，不适合运营人员/客户等非技术用户\n\n**改进方案：**\n- conspect Skill 默认输出独立 HTML 文件（含内嵌 CSS/JS），任何浏览器即可打开\n- 支持导出为 PDF、PNG 等通用格式用于分享\n- 如需进一步分析，可以从 conspect 输出的聚合数据（JSON/CSV）中导出到其他工具\n- 如果确实需要对接 BI 工具，建议在 VERIFY 阶段的输出中额外提供数据源文件（CSV/Excel）\n\n---\n\n## 5. 单数据源局限\n\n**反模式描述：** 用户只上传一个数据文件就期望生成全方位、多维度的丰富报表。\n\n**典型案例：**\n- \"我只有一个门店的销售数据，帮我做一份全公司经营分析报告\"\n- \"只有本月数据，但我要同比环比分析\"\n\n**问题分析：**\n- 单一数据源能支撑的分析维度有限，无法覆盖多维度、多指标的完整分析\n- 缺少对照数据（如历史数据、目标数据、行业基准），分析结论缺乏参照\n- 容易产出\"有图无结论\"的报表，信息量不足\n\n**改进方案：**\n- 建议至少提供 2-3 个关联数据源（如：销售数据 + 目标数据 + 历史同期数据）\n- 利用 conspect 的数据融合能力进行多源交叉分析\n- 如果确实只有一个数据源，应在 ANALYZE 阶段说明约束，AI 会自动调整分析范围和深度\n- 考虑使用外部参考数据（行业报告、公开数据集）辅助分析\n\n---\n\n## 6. 跳过质量审核\n\n**反模式描述：** 用户在报表生成后认为质量审核环节多余，要求直接交付。\n\n**典型案例：**\n- \"我看着没问题，审核跳过吧\"\n- \"审核太慢了，先把报表发出去\"\n\n**问题分析：**\n- 质量审核是 conspect Skill 的阻断性环节——不通过审核不得交付\n- 人工目视检查可能遗漏数值精度、色盲友好、跨屏适配等细节问题\n- 审核环节包含自动化检测（数据一致性校验）和人工复核（视觉体验评估）\n- 跳过审核可能导致交付的报表存在数据错误或体验缺陷\n\n**改进方案：**\n- 理解质量审核的必要性，将其视为报表质量的\"最后一道防线\"\n- 在审核阶段可以做最后的微调修改，避免交付后返工\n- 如果审核标准过于严格，可以在项目初期调整审核规则配置\n- 审核不通过时，根据审核报告逐条修改，而非直接忽略\n\n---\n\n## 7. 与其他 Skill 产物命名冲突\n\n**反模式描述：** 用户在同一项目中同时使用 conspect 和 reqplan-v3（或其他 Skill）时，输出文件使用相同的命名前缀，导致文件路径混淆。\n\n**典型案例：**\n- conspect 输出 `_analysis.md`，reqplan-v3 也输出 `_analysis.md`，相互覆盖\n- 两个 Skill 的设计文档同名，分不清哪个是哪个\n\n**问题分析：**\n- 多个 Skill 在同一项目中运行时，默认产物名称可能冲突\n- 同名文件被覆盖后，审核或追溯时找不到正确版本\n- 增加认知负担，用户需要手动区分文件归属\n\n**改进方案：**\n- conspect Skill 的所有产物统一使用 `_cs-` 前缀（如 `_cs-analysis.md`、`_cs-design.md`）\n- reqplan-v3 的产物使用 `_rp-` 前缀或其他有区分的命名规则\n- 在项目初始化时配置 output_prefix 参数，确保唯一性\n- 产物清单中明确标注每个文件对应的 Skill 名称\n\n---\n\n## 8. 只分析第一个 Sheet\n\n**反模式描述：** 用户上传的 Excel 文件包含多个 Sheet，但 Analyzer Agent 只读取了第一个 Sheet 就开始分析，遗漏了其他关联数据。\n\n**典型案例：**\n- \"上传了一个 Excel，里面有销售明细、产品信息、客户信息等多个 Sheet，但报告只用到了第一个 Sheet\"\n- \"分析报告只覆盖了部分数据，其他 Sheet 中的数据完全没有提及\"\n\n**问题分析：**\n- 数据流水线要求\"对每个 Excel 文件，遍历所有 Sheet\"，但 Analyzer 的前置检查中未强制枚举 Sheet 列表\n- Analyzer 默认使用 `pd.read_excel()` 只读取第一个 Sheet，未主动检查是否还有其他 Sheet\n- 缺少 Sheet 完整性校验点，导致遗漏未被及时发现\n- 多 Sheet 间的关联分析（VLOOKUP 类操作）被完全跳过，分析结论片面\n\n**改进方案：**\n- Analyzer Agent 的「前置检查」必须强制执行 Sheet 枚举：使用 `pd.ExcelFile` 列出所有 Sheet 名称并记录到分析报告\n- 分析报告中「数据概览」部分必须包含 \"Sheet 列表\" 一节，明确列出所有 Sheet 及其行/列数\n- 对于关联表（如产品信息表、客户信息表），需评估是否需要横向合并以丰富维度\n- 质量审核 Agent 将\"数据源完整性\"列为独立的审核维度，未覆盖全部 Sheet 直接打回\n- 如果某些 Sheet 确实不需要分析，必须在报告中注明排除原因\n\n## 9. 忽略数据安全\n\n**反模式描述：** 用户要求在前端代码中包含原始明细数据，或在报表中展示敏感字段（如手机号、身份证、银行账号）。\n\n**典型案例：**\n- \"在工具提示里显示每个客户的手机号\"\n- \"把详细的客户地址数据写到 HTML 里\"\n\n**问题分析：**\n- 前端代码对任何访问者可见，原始明细数据直接暴露\n- 数据脱敏不到位可能违反数据保护法规（如个保法、GDPR）\n- 即使报表仅供内部使用，数据泄露的风险依然存在\n- 浏览器 DevTools 可轻易查看所有前端数据\n\n**改进方案：**\n- 严格遵守\"原始明细不上前端\"的数据安全红线\n- 在前端只展示脱敏后的聚合数据（汇总、占比、趋势）\n- 如需查看明细，设计独立的\"详情下钻\"机制，通过后端 API 按需获取\n- 对于必须展示的敏感字段，使用脱敏处理（如手机号 138****1234）\n- 定期检查生成的 HTML 文件中是否意外包含了原始数据\n\nFile v0.1.1:references/chart-selection.md\n\n# 图表选型指南\n\n> 本文档定义 conspect Skill 的图表选型规则和调用方式。\n\n---\n\n## 一、执行者：AI Agent\n\n**职责**：根据数据特征和业务场景选择图表类型\n\n**输入**：\n- 数据特征（CLI 提取）\n- 业务场景（用户描述）\n\n**输出**：\n- 图表类型\n- 选择理由\n- 图表配置\n\n---\n\n## 二、调用方式\n\n```bash\n# 1. CLI 提取数据特征\npython run.py extract_features '{\"data\": {...}}'\n\n# 2. AI Agent 图表选型决策\npython run.py ai_decide_chart '{\"features\": {...}, \"business_context\": \"<根据数据源自动识别的业务场景>\"}'\n```\n\n---\n\n## 三、图表选型规则（AI 参考）\n\n| 数据特征 | 推荐图表 | 说明 |\n|---------|---------|------|\n| 时间序列 + 数值 | 折线图 | 展示时间趋势 |\n| 时间序列 + 数值（数据点 > 50） | 面积图 | 数据点较多，面积图更清晰 |\n| 分类 + 数值（分类 ≤ 5） | 饼图 | 展示占比 |\n| 分类 + 数值（5 < 分类 ≤ 10） | 柱状图 | 分类对比 |\n| 分类 + 数值（分类 > 10） | 横向条形图 | 分类较多，横向更清晰 |\n| 数值分布 | 直方图 | 展示分布 |\n| 两个数值关系 | 散点图 | 展示相关性 |\n\n**注意**：图表选型规则仅供参考，AI Agent 应根据具体业务场景灵活选择。\n\nFile v0.1.1:references/cli-ai-workflow.md\n\n# CLI 和 AI Agent 调用顺序\n\n> 文档定义 conspect Skill 中 CLI 工具层和 AI Agent 的分工，以及各阶段的调用顺序。\n\n---\n\n## 一、CLI 与 AI 分工\n\n### CLI 工具层（数据支持）\n\n**职责**：只负责数据加载、简单计算、文件操作\n\n**模块**：\n- `data_processor.py` - 数据加载、清洗、聚合\n- `data_feature_extractor.py` - 数据特征提取\n- `data_statistics.py` - 数据统计\n- `review_data_loader.py` - 审核数据加载\n- `exporter.py` - 文件导出\n\n**CLI 命令**：\n```bash\n# 数据加载\npython run.py load '{\"file_paths\": [\"数据源文件.xlsx\"]}'\npython run.py read_all '{\"file_paths\": [\"数据源文件.xlsx\"]}'\npython run.py analyze '{\"file_paths\": [\"数据源文件.xlsx\"]}'\n\n# 数据特征提取\npython run.py extract_features '{\"data\": {...}}'\n\n# 数据统计\npython run.py calc_statistics '{\"values\": [...]}'\n\n# 审核数据加载\npython run.py load_review_context '{\"raw_data_file\": \"...\", \"analysis_file\": \"...\"}'\n\n# 数据比较\npython run.py compare_data '{\"data1\": {...}, \"data2\": {...}}'\n\n# 文件导出\npython run.py save_report '{\"content\": \"...\", \"filename\": \"report.md\"}'\npython run.py save_with_chinese_name '{\"content\": \"...\", \"filename\": \"report.md\"}'\n```\n\n### AI Agent（决策分析）\n\n**职责**：负责所有需要理解和判断的工作\n\n**模块**：\n- `ai_agent.py` - AI Agent（图表选型、洞察生成、质量审核）\n\n**CLI 命令**：\n```bash\n# AI Agent 图表选型决策\npython run.py ai_decide_chart '{\"features\": {...}, \"business_context\": \"<根据数据源自动识别的业务场景>\"}'\n\n# AI Agent 生成洞察\npython run.py ai_generate_insights '{\"statistics\": {...}, \"business_context\": \"<根据数据源自动识别的业务场景>\"}'\n\n# AI Agent 审核\npython run.py ai_review_design '{\"analysis\": {...}, \"design\": {...}}'\npython run.py ai_review_implement '{\"design\": {...}, \"implement\": {...}}'\n```\n\n---\n\n## 二、各阶段调用顺序\n\n### 分析阶段\n```\n1. 主控 Agent 调用 CLI 加载数据\n   python run.py load '{\"file_paths\": [\"数据源文件.xlsx\"]}'\n   \n2. 主控 Agent 分析数据\n   - 数据清洗、维度识别、指标计算\n   \n3. 主控 Agent 生成分析报告\n   写入 _cs-analysis.md\n   \n4. 主控 Agent 拉起 AI 审核 Agent 审核分析结果\n   → 审核通过 → 进入下一阶段\n   → 审核不通过 → 修复后重新审核\n```\n\n### 洞察生成阶段\n```\n1. 主控 Agent 调用 CLI 提取数据特征\n   python run.py extract_features '{\"data\": {...}}'\n   \n2. 主控 Agent 调用 CLI 计算统计数据\n   python run.py calc_statistics '{\"values\": [...]}'\n   \n3. 主控 Agent 调用 AI Agent 生成洞察\n   - 输入：统计数据 + 业务场景\n   - 输出：洞察列表 + 建议列表\n   \n4. 主控 Agent 写入洞察数据\n   写入 _cs-insights.json\n```\n\n### 设计阶段\n```\n1. 主控 Agent 读取分析报告\n   读取 _cs-analysis.md\n   \n2. 主控 Agent 调用 CLI 提取数据特征\n   python run.py extract_features '{\"data\": {...}}'\n   \n3. 主控 Agent 调用 AI Agent 图表选型决策\n   - 输入：数据特征 + 业务场景\n   - 输出：图表类型 + 选择理由\n   \n4. 主控 Agent 生成设计文档\n   写入 _cs-design.md\n   \n5. 主控 Agent 拉起 AI 审核 Agent 审核设计结果\n   → 审核通过 → 进入下一阶段\n   → 审核不通过 → 修复后重新审核\n```\n\n### 实现阶段\n```\n1. 主控 Agent 读取设计文档\n   读取 _cs-design.md\n   \n2. 主控 Agent 渲染看板\n   生成 Web 看板 HTML\n   \n3. 主控 Agent 生成实现摘要\n   写入 _cs-implement.md\n   \n4. 主控 Agent 拉起 AI 审核 Agent 审核实现结果\n   → 审核通过 → 进入下一阶段\n   → 审核不通过 → 修复后重新审核\n```\n\n### 报告生成阶段\n```\n1. 主控 Agent 读取洞察数据\n   读取 _cs-insights.json\n   \n2. 主控 Agent 设计报告结构\n   生成报告大纲\n   \n3. 主控 Agent 渲染多格式报告\n   - Markdown、HTML、PDF、Word\n   \n4. 主控 Agent 生成中文命名副本\n   python run.py save_with_chinese_name '{...}'\n   \n5. 主控 Agent 写入关联索引\n   写入 _cs-index.json\n```\n\nFile v0.1.1:references/examples.md\n\n# 使用示例\n\n> 本文档提供 conspect Skill 的真实使用示例，帮助用户快速上手。\n\n---\n\n## 场景：销售周报自动生成\n\n### 输入数据\n\n一份 Excel 销售明细表\n\n| 日期 | 产品线 | 区域 | 销售额 | 数量 | 负责人 |\n|------|--------|------|--------|------|--------|\n| 2026-01-06 | A 系列 | 华东 | 328,500 | 95 | 张三 |\n| 2026-01-06 | B 系列 | 华北 | 189,200 | 42 | 李四 |\n| ...（数百行数据） | | | | | |\n\n### 用户输入\n\n\"帮我分析这份数据，出一份周报看板\"\n\n### Conspect 自动执行以下步骤\n\n| 步骤 | 阶段 | 做了什么 | 结果 |\n|------|------|---------|------|\n| 1 | 分析 | 读取 Excel，自动识别\"日期/产品线/区域\"为维度，\"销售额/数量\"为指标；按\"产品线\"分组汇总销售额；按\"区域\"统计业绩排名 | 生成结构化分析报告 |\n| 2 | 洞察生成 | 基于分析结果自动生成业务洞察和行动建议（无需用户确认） | 生成 `_cs-insights.json` |\n| 3 | 设计 | 自动选型：折线图（销售趋势）+ 柱状图（产品线对比）+ 饼图（区域占比）+ KPI 卡片（总销售额） | 生成设计文档 |\n| 4 | 设计审查 | 视觉设计师 Agent 审查设计方案合规性（配色/排版/图表匹配） | 生成审查意见 |\n| 5 | 实现 | 渲染为交互式 Web 看板，包含顶部 KPI 指标卡 + 中部 3 个图表 + 底部数据解读区 | 输出单个 HTML 文件 |\n| 6 | 报告生成 | 渲染 MD/HTML/PDF/Word 报告 + 中文命名副本 | 输出多格式报告 |\n| 7 | 验证 | 检查数据一致性（图表数值 vs 源数据）、渲染完整性、商务合规性 | 验证通过 |\n\n### 最终产出\n\n一个可在浏览器打开的 `_cs-dashboard.html` 文件，包含：\n- 顶部：总销售额、总数量、环比涨跌幅 3 个 KPI 卡片\n- 中部：按产品线的销售额趋势折线图、各区域销售额柱状图、各产品线占比饼图\n- 底部：数据概要说明和关键发现（如\"A 系列销售额环比增长 15%\"）\n\n> 上述过程全程自动，用户只需上传 Excel + 输入一句话需求。v3.0 起已移除确认环节，如需调整配色或图表类型，请在初始需求中说明（如\"用蓝色调、占比用饼图\"）。\n\n---\n\n## 3 个可直接复制的开场白\n\n```\n\"帮我分析这份业务数据，出一份周报看板\"\n→ 上传 sales.xlsx，自动进入状态机，从分析到渲染全自动完成\n\n\"对比一下这两个月的经营数据，做一份投屏用的报表\"\n→ 上传 current.xlsx 和 previous.xlsx，自动做同比分析\n\n\"把这三个部门的业绩数据合在一起做个排名看板\"\n→ 上传三份 Excel，自动合并、排名、渲染\n```\n\nFile v0.1.1:references/faq-deep.md\n\n# Conspect Skill 深度 FAQ\n\n> 本文档覆盖 conspect Skill 使用过程中的边缘场景和技术细节，帮助用户深入理解系统能力边界与最佳实践。\n>\n> 分类索引：**[数据处理]** | **[质量管理]** | **[系统集成]** | **[视觉输出]** | **[路径配置]**\n>\n> **注意**：本文档中的命令行示例均为示意性描述，实际可用命令请以 `SKILL.md` 的\"触发机制\"章节为准（仅支持 `/conspect start`、`/conspect status`、`/conspect reset` 三个命令）。\n\n---\n\n## [数据处理]\n\n### Q1: conspect Skill 支持的最大文件大小和行数是多少？\n\n**A:** conspect Skill 对输入数据有以下约束：\n\n| 数据源类型 | 建议上限 | 硬限制 | 说明 |\n|-----------|---------|-------|------|\n| CSV 文件 | 50 MB / 50 万行 | 200 MB / 200 万行 | 超过建议上限后预处理时间显著增加 |\n| Excel (.xlsx) | 20 MB / 30 万行 | 100 MB / 100 万行 | Excel 格式本身存在解析开销 |\n| JSON 文件 | 30 MB / 10 万节点 | 100 MB / 50 万节点 | 嵌套结构会放大解析复杂度 |\n| 数据库直连 | 无硬限制 | 受查询超时限制（默认 300s） | 建议在 SQL 层面做预聚合 |\n\n**超限处理策略：**\n\n- 文件超过建议上限时，系统自动触发采样机制（默认保留 10% 行数 + 尾部分布片段）\n- 超过硬限制时，系统拒绝加载并提示用户拆分文件\n- 对于 Excel 文件，超过 100 万行建议拆分为多个 Sheet 或改用 CSV 格式\n\n**最佳实践：**\n- 大数据量场景优先使用 CSV 格式（解析效率最高）\n- 在数据源端完成聚合后再上传（如：月汇总代替日明细）\n- 使用数据预览功能在大文件加载前快速查看结构\n\n---\n\n### Q2: Excel 编码或格式异常怎么处理？\n\n**A:** conspect Skill 内置了多层容错机制处理异常 Excel 文件：\n\n**自动检测流程**\n1. **编码检测** — 自动识别 UTF-8、GBK、GB2312、ISO-8859-1、Shift-JIS 等编码\n2. **格式校验** — 检查文件头魔数（magic number），确认是否为有效 .xlsx/.xls\n3. **结构分析** — 解析 Sheet 结构、列类型推断、空行/空列检测\n\n**已知问题及处理**\n| 异常类型 | 系统行为 | 用户应对 |\n|---------|---------|---------|\n| 编码不兼容 | 自动尝试常见编码回退，输出警告 | 另存为 UTF-8 格式重新上传 |\n| 损坏的 .xlsx 文件 | 尝试使用 openpyxl 恢复模式读取 | 使用 Excel 打开并另存为新文件 |\n| 日期格式混乱 | 自动检测日期模式并归一化 | 确保日期列格式统一 |\n| 科学计数法显示 | 自动将数值列转为字符串精度 | 提前设置列格式为\"文本\" |\n| 混合类型列 | 该列转为字符串类型，丢失数值计算能力 | 确保同列数据类型一致 |\n\n> 如果系统给出\"格式异常\"警告，建议先用 Excel 打开文件 -> \"另存为\" -> 选择 .xlsx 格式 -> 重新上传。\n\n---\n\n### Q3: 如何处理含合并单元格的 Excel？\n\n**A:** 合并单元格是 Excel 数据分析中最常见的复杂场景之一，conspect Skill 提供了专门的预处理策略。\n\n**自动检测机制**\n系统在数据加载阶段自动扫描：\n1. 检测合并单元格的位置和范围\n2. 判断合并类型（标题合并 / 分组合并 / 格式合并）\n3. 根据合并类型选择填充策略\n\n**合并单元格处理策略**\n\n| 合并类型 | 系统默认行为 | 高级参数控制 |\n|---------|-------------|-------------|\n| **标题合并**（表头区域） | 保留合并结构，解析为层级表头 | `--header-merge keep` |\n| **分组合并**（如\"部门\"列有多行合并） | 自动向下填充（fill down） | `--fill-method down / copy / interpolate` |\n| **格式合并**（仅视觉合并，数值无意义） | 拆分为独立行，每个单元格独立 | `--format-merge split` |\n| **跨行合并**（跨多行多列） | 拆分为行列笛卡尔积 | `--cross-merge expand` |\n\n**特殊情况处理**\n\n情况 1：合并单元格内有换行符\n- 系统自动按换行拆分，或根据参数 `--newline-split concat/split` 选择合并/拆分\n\n情况 2：嵌套合并\n```\n| 部门        | 2024 Q1       | 2024 Q2       |\n| (合并4行)   | 销售额 利润   | 销售额 利润   |\n```\n- 系统自动将双层表头展平为：`部门 | 2024Q1_销售额 | 2024Q1_利润 | 2024Q2_销售额 | 2024Q2_利润`\n\n情况 3：合并单元格内公式引用\n- 系统保留公式计算结果，忽略公式表达式本身\n\n**最佳实践**\n- **上传前预处理** — 如果合并单元格结构过于复杂，建议在 Excel 中取消合并并用\"填充-向下\"功能预处理\n- **使用 `--merge-report` 参数** — 系统输出合并单元格处理报告，方便人工核查\n- **对合并结果有疑虑时** — 在分析阶段检查解析后的数据框预览\n\n---\n\n### Q4: 多 Sheet 的关联分析怎么做？\n\n**A:** conspect Skill 原生支持跨 Sheet 关联分析，无需手动合并数据。\n\n**使用步骤**\n\n步骤 1：加载多 Sheet 文件\n在 ANALYZE 阶段，系统会自动加载用户上传的 Excel 文件中的所有 Sheet。也可以告诉 AI 指定需要分析的 Sheet。\n\n步骤 2：声明关联关系\n在 ANALYZE 阶段系统自动推断键列（key column），也可以通过配置明确声明：\n\n```yaml\nrelationships:\n  - source: \"订单明细\"\n    target: \"客户信息\"\n    type: left_join\n    keys:\n      - [\"客户ID\", \"客户编号\"]\n  - source: \"订单明细\"\n    target: \"产品目录\"\n    type: left_join\n    keys:\n      - [\"产品ID\", \"产品编码\"]\n```\n\n步骤 3：执行关联分析\n关联关系声明后，系统将自动执行：\n1. 自动推断关联键（基于列名相似度和数据类型匹配）\n2. 选择最优连接类型（left/inner/full）\n3. 处理重复键和多对多关系\n4. 输出关联后的统一数据视图\n\n**关联分析支持的模式**\n\n| 模式 | 描述 | 适用场景 |\n|------|------|---------|\n| 主从关联 | 一个主 Sheet 关联多个维度 Sheet | 订单 + 客户 + 产品 |\n| 星型关联 | 多个事实 Sheet 共享维度 Sheet | 销售 + 退货 + 预算，共享时间/区域维度 |\n| 血缘关联 | Sheet 间存在间接关联（A-B-C） | 订单明细 -> 发货单 -> 物流信息 |\n| 时间关联 | 以时间为键关联不同时间粒度数据 | 日销售数据 + 月目标数据 |\n\n**注意事项**\n- Sheet 数量建议不超过 10 个（超过后关联图复杂，分析效率下降）\n- 关联键的列名尽量一致（如都用\"客户ID\"而非\"客户编号\"），减少手动映射\n- 多 Sheet 关联后的数据量可能是单个 Sheet 的数十倍，注意 Q1 中的文件大小限制\n\n---\n\n### Q5: 如何处理全角/半角字符混排的数据？\n\n**A:** 数据中的全角/半角混排可能导致维度分组错误（如\"张三\"和\"张 三\"被识别为两个不同的值）。\n\n**系统自动处理：**\n- 在数据清洗阶段自动将全角字母/数字转为半角（如全角数字\"１２３\" -> \"123\"）\n- 对中文字符的全角/半角空格进行归一化（移除首尾空格，中间空格保留）\n- 对列名中的全角字符自动转半角（避免 SQL/JSON 兼容性问题）\n\n**用户自查：**\n- 可在 ANALYZE 阶段要求 AI 检查数据中的全角/半角混排情况\n- 系统会在分析报告中标注发现的混排字段和归一化处理数量\n\n---\n\n## [质量管理]\n\n### Q6: 质量审核不通过如何处理？\n\n**A:** 质量审核是 conspect Skill 的阻断性环节，不通过则不允许进入交付阶段。\n\n**审核未通过的常见原因**\n\n| 类别 | 典型问题 | 出现频率 |\n|------|---------|---------|\n| 数据准确性 | 图表数值与源数据不一致、汇总计算错误 | 最高 |\n| 图表选型 | 图表类型与数据特征不匹配（如用饼图展示趋势） | 较高 |\n| 可读性 | 标签重叠、字号过小、配色对比度不足 | 中等 |\n| 完整性 | 缺少图例、单位标注、数据来源说明 | 中等 |\n| 色盲友好 | 使用红绿配色区分关键数据 | 较低 |\n| 跨屏适配 | 在移动端布局错乱 | 较低 |\n\n**处理流程**\n\n1. **读取审核报告** — 系统会输出详细的 `_cs-qa-{phase}.md`（按阶段生成的审核报告），逐条列出问题\n2. **定位问题阶段** — 根据问题类型确定需要回退的环节：\n   - 数据问题 -> 回退到 ANALYZE 阶段重新处理数据\n   - 设计问题 -> 回退到 DESIGN 阶段修改布局/配色/图表类型\n   - 实现问题 -> 回退到 IMPLEMENT 阶段修改渲染代码\n3. **逐条修复** — 按审核报告列出的问题逐条修改\n4. **重新提交审核** — 修复完后再次触发质量审核\n5. **最多重试机制** — 同一轮审核最多重试 3 次，超过后系统输出\"重大缺陷分析\"建议重新启动流程\n\n**强制通过**\n在极少数情况下（如内部临时查看），管理员可以使用 `--force-deliver` 参数强制跳过审核，但系统会在报表上添加水印 `[未经质量审核]`。\n\n---\n\n## [系统集成]\n\n### Q7: 能不能和其他 Skill 同时使用？\n\n**A:** 可以，但需要注意协作模式和产物隔离。\n\n**支持的协作模式**\n\n| 协作 Skill | 协作阶段 | 协作方式 |\n|-----------|---------|---------|\n| reqplan-v3 | ANALYZE -> DESIGN | reqplan-v3 输出需求分析和设计文档 -> conspect 据此生成报表 |\n| scout | ANALYZE | scout 采集的页面结构数据可作为 conspect 的数据源之一 |\n| fepilot | VERIFY | fepilot 对 conspect 生成的前端页面做缺陷检测 |\n| parse | ANALYZE | parse 产出的 Bug 数据可作为 conspect 统计报表的输入 |\n\n**需要注意的问题**\n\n1. **产物命名冲突** — 不同 Skill 可能输出同名文件（如 `_analysis.md`），参见反模式第 7 条\n2. **接力棒冲突** — 两个 Skill 同时运行时可能互相覆盖接力棒文件，参见 Q8\n3. **上下文膨胀** — 同时加载多个 Skill 的规则文件会占用大量 token，建议分阶段使用\n4. **依赖顺序** — 如果 conspect 依赖其他 Skill 的产出，务必先执行依赖 Skill\n\n**推荐实践**\n```\n阶段一：reqplan-v3 分析需求 -> 输出 _rp-analysis.md\n阶段二：conspect 读取 _rp-analysis.md -> 生成报表\n阶段三：fepilot 扫描 conspect 的 HTML 产出 -> 输出缺陷报告\n```\n\n---\n\n### Q8: 接力棒文件冲突了怎么办？\n\n**A:** 接力棒（baton）文件是 Skill 状态机的核心状态文件，冲突可能导致流程混乱。\n\n**冲突场景**\n\n| 场景 | 表现 | 风险等级 |\n|------|------|---------|\n| 两个 Skill 同时写同一个接力棒 | 内容被交替覆盖，状态混乱 | 高 |\n| 手动编辑接力棒 | 格式错误、状态不连续 | 中 |\n| 接力棒文件被误删除 | Skill 从 INIT 阶段重启 | 中 |\n\n**解决方案**\n\n方案一：使用独立的接力棒路径（推荐）\n每个 Skill 使用独立的接力棒文件路径：\n- conspect -> `.agent/harness/_cs-baton.md`\n- reqplan-v3 -> `.agent/harness/_rp_baton.json`\n- scout -> `.agent/harness/_scout_baton.json`\n\n方案二：串行执行（最安全）\n确保同一时间只有一个 Skill 在运行。完成一个后再启动下一个。\n\n方案三：接力棒恢复\n如果接力棒已损坏，可以手动重建（Markdown 格式）：\n```markdown\n# 接力棒 — {任务名称}\n\n## 元数据\n- state: 分析\n- project: {项目路径}\n- skill_name: conspect\n- mode: all\n- created: {ISO 8601}\n- updated: {ISO 8601}\n\n## 状态追踪\n- [ ] 开始\n- [ ] 分析\n- [ ] 洞察生成\n- [ ] 设计\n- [ ] 设计审查\n- [ ] 实现\n- [ ] 报告生成\n- [ ] 验证\n- [ ] 完成\n```\n重建后手动确认状态一致即可。\n\n**预防措施**\n- 在项目初始化时配置 `baton_file` 参数指定唯一路径\n- 使用 `/conspect status` 定期检查接力棒状态\n- 避免在同一终端会话中同时启动多个 Skill\n\n---\n\n## [视觉输出]\n\n### Q9: 生成的报表能不能自定义样式？\n\n**A:** 可以。conspect Skill 提供了多层级的自定义能力。\n\n**样式自定义层级**\n\n第一层：预置主题（一键切换）\n在 DESIGN 阶段告诉 AI 需要的主题风格，如\"使用深色主题\"、\"使用商务风格\"等。\n\n第二层：配置覆盖（中级自定义）\n在 DESIGN 阶段可以通过配置告知具体样式参数：\n\n```yaml\nstyle:\n  primary_color: \"#2B6CB0\"        # 主色\n  secondary_color: \"#E2E8F0\"      # 辅色\n  font_family: \"'Microsoft YaHei', sans-serif\"  # 字体\n  font_size_base: 14px            # 基础字号\n  chart_border_radius: 8px        # 图表圆角\n  spacing: 16px                   # 间距\n  responsive: true                # 自适应\n  print_optimized: true           # 打印优化\n```\n\n第三层：自定义 CSS（高级自定义）\n在 IMPLEMENT 阶段可以注入自定义 CSS：\n\n```css\n/* 自定义样式注入 */\n.dashboard-header { background: linear-gradient(135deg, #667eea 0%, #764ba2 100%); }\n.kpi-card { box-shadow: 0 10px 30px rgba(0,0,0,0.1); border-radius: 12px; }\n.chart-container { padding: 20px; background: #f8fafc; }\n```\n\n第四层：模板引擎（最高级）\n使用 Jinja2/Handlebars 模板完全控制输出 HTML 结构，需在 DESIGN 阶段声明使用自定义模板。\n\n**注意事项**\n- 自定义样式后建议在 VERIFY 阶段检查移动端适配\n- 企业级使用建议统一维护一套品牌样式模板\n- 自定义 CSS 不能覆盖数据绑定区域（图表、表格），仅控制布局和装饰\n\n---\n\n### Q10: PDF 中文乱码怎么解决？\n\n**A:** PDF 中文乱码通常由字体缺失引起，conspect Skill 提供了完整的解决方案。\n\n**乱码原因分析**\n\n| 原因 | 表现 | 发生概率 |\n|------|------|---------|\n| PDF 生成环境缺少中文字体 | 所有中文显示为方框\"[ ]\" | 最高 |\n| 字体未嵌入 PDF | 在查看端字体缺失时变成乱码 | 较高 |\n| 编码声明错误 | 部分中文正确、部分乱码 | 中等 |\n| 使用了不支持中文的字体 | 特殊字符显示异常 | 较低 |\n\n**解决方案**\n\n方案一：使用内置中文字体包（推荐）\n在 DESIGN 或 IMPLEMENT 阶段告诉 AI\"PDF 需要中文字体\"，系统会自动使用内置的 Noto Sans SC（思源黑体），覆盖：\n- 简体中文（GB2312 全字符集）\n- 常用繁体中文\n- 日文假名\n- 常用标点符号\n\n方案二：指定自定义字体\n```yaml\npdf:\n  font_path: \"C:/Windows/Fonts/simsun.ttc\"  # 使用系统宋体\n  font_name: \"SimSun\"\n  embed_fonts: true                          # 嵌入字体到 PDF\n  fallback_fonts: [\"Microsoft YaHei\", \"SimHei\"]\n```\n\n方案三：使用 HTML 转 PDF（备选）\n先生成 HTML，再通过浏览器内置的打印功能转为 PDF。此方式利用浏览器自身的字体渲染引擎，中文兼容性最好，但文件体积较大。\n\n**最佳实践**\n1. **开发阶段** — 告知 AI \"PDF 需要中文字体\"确保跨平台一致性\n2. **生产交付** — 设置 `embed_fonts: true` 确保字体嵌入，避免接收方字体缺失\n3. **发送给外部客户** — 使用 HTML 格式而非 PDF，彻底避免字体问题\n4. **快速检查** — 在 VERIFY 阶段检查 PDF 的中文渲染是否完整\n\n---\n\n### Q11: 报表中有大量 0 值或负值怎么办？\n\n**A:** 大量 0 值或负值会影响图表的可视化效果，conspect Skill 提供了专项处理策略。\n\n**自动检测**\n系统在 ANALYZE 阶段自动识别：\n- 超过 30% 数据行为 0 值的指标列 -> 标记为\"稀疏数据\"\n- 存在负值的指标列 -> 标记为\"含负值\"\n\n**处理方式**\n\n| 场景 | 系统处理 | 图表适配 |\n|------|---------|---------|\n| 大量 0 值 | 在聚合计算中排除 0 值行（求和/均值时），在标注中说明 0 值占比 | 柱状图底部显示\"0 值占比 N%\" |\n| 少量负值（<10% 行） | 负值单独标注，分组图中负值用不同颜色区分 | 柱状图/折线图正常显示，负值段变色标注 |\n| 大量负值（业务正常的盈亏对比） | 保留负值，自动切换为瀑布图或双色柱状图 | 瀑布图显示增量分解，正值/负值两色区分 |\n| 全 0 值列 | 自动排除该列，在报告中标注\"全 0 值，无分析价值\" | 不生成图表 |\n\n**用户干预**\n- v3.0 起：在初始需求中说明\"排除 0 值行重新计算\"，分析阶段自动应用\n- 如需保留 0 值分析（如\"零销售额月份\"），在初始需求中说明即可\n- 负值较多的场景建议上传时附带正负值说明文档，帮助 AI 理解业务含义\n\n---\n\n## [路径配置]\n\n### Q12: 如何设置输出的保存路径？\n\n**A:** conspect Skill 提供灵活的路径配置方式，支持绝对路径、相对路径和模板化路径。\n\n**基础路径设置**\n\n方法一：命令行参数\n在实现阶段告知 AI 指定的输出目录：\n```bash\n# 指定输出目录\nconspect render --output-dir \"E:/Reports/conspect_output\"\n\n# 指定完整文件路径\nconspect render --output \"E:/Reports/conspect_output/经营分析报表_v1.html\"\n\n# 自动生成文件名（带时间戳）\nconspect render --output-dir \"E:/Reports/conspect_output\" --auto-name\n# 输出: E:/Reports/conspect_output/经营分析报表_20260717_103000.html\n```\n\n方法二：配置文件\n```yaml\n# output_config.yaml\noutput:\n  base_dir: \"E:/Reports/conspect_output\"\n  sub_dir_template: \"{project}/{date}\"\n  file_name_template: \"{title}_v{version}_{timestamp}\"\n  overwrite: false          # 文件已存在时是否覆盖\n  create_sub_dirs: true     # 自动创建子目录\n  backup: true              # 覆盖前是否备份旧文件\n```\n\n方法三：模板化路径（最灵活）\n支持以下占位符自动替换：\n\n| 占位符 | 示例值 | 说明 |\n|--------|-------|------|\n| `{project}` | sales-report | 项目名称 |\n| `{date}` | 20260717 | 当前日期 |\n| `{time}` | 103000 | 当前时间 |\n| `{timestamp}` | 20260717_103000 | 日期+时间 |\n| `{title}` | 经营分析报表 | 报表标题 |\n| `{version}` | v1 | 版本号 |\n| `{theme}` | dark | 当前主题 |\n| `{session_id}` | cs-20260717-001 | 当前会话 ID |\n\n示例配置：\n```yaml\noutput:\n  base_dir: \"E:/Reports/conspect_output\"\n  sub_dir_template: \"{project}/{date}\"\n  file_name_template: \"{title}_{theme}_{version}.html\"\n  # 实际输出: E:/Reports/conspect_output/sales-report/20260717/经营分析报表_dark_v1.html\n```\n\n**路径配置优先级**\n1. 命令行参数（最高优先级）\n2. 项目级配置文件\n3. 全局默认配置\n4. 工作目录（最低优先级，默认输出到当前目录）\n\n**路径安全规则**\n- 禁止输出到系统目录（如 `C:\\Windows`、`C:\\Program Files`）\n- 禁止使用 `..` 路径穿越\n- 输出目录不存在时自动创建（可在配置中关闭此行为）\n- 路径中的非法字符自动替换为下划线\n- 文件路径总长度限制为 260 字符（Windows）或自动使用 UNC 路径绕过\n\nFile v0.1.1:references/output-spec.md\n\n# 输出规范\n\n> 本文档定义 conspect Skill 的输出规范，包括运行稳定性、异常处理、输出准确性和降级兜底策略。\n\n---\n\n## 一、运行稳定性\n\n### 信息不足时的降级策略\n\n当遇到信息不足时（如未明确指定分析维度、缺少对比基准），AI **不得直接停下来询问用户**，必须：\n\n```\n1. 基于已有数据自动做最合理的假设（如：有多列数值→自动计算衍生指标和推荐关联分析）\n2. 按假设版本继续分析并生成报表\n3. 在最终报告的\"分析说明\"区域标注假设条件\n4. 询问用户是否需要调整假设\n```\n\n### 连续出错的自动恢复机制\n\n当某个阶段执行连续失败时，按以下策略自动恢复，避免流程卡死：\n\n| 失败次数 | 处理方式 | 用户感知 |\n|---------|---------|---------|\n| 第 1 次失败 | 自动重试当前步骤，最多重试 1 次 | 无感知，后台自动重试 |\n| 第 2 次失败（重试仍失败） | 回退到上一阶段，重新生成前置产物后再次尝试 | 用户会看到\"上一步骤需要重新执行\"的提示 |\n| 第 3 次失败（回退后仍失败） | 标记为阻断，输出失败原因报告，暂停流程等待用户介入 | 用户看到明确的原因说明和恢复建议 |\n| 超过 3 次 | 标记为 FAILED，保留已有中间产物，建议用户手动修复或重新启动 | 用户看到完整失败报告和恢复步骤 |\n\n### 特殊格式与复杂场景处理\n\n当遇到特殊数据格式或复杂场景时，系统按以下方式处理，确保不会卡死：\n\n| 特殊场景 | 自动处理方式 | 仍不行时的替代方案 |\n|---------|-------------|------------------|\n| 合并单元格 | 自动检测并逐级下填/拆分 | 建议用户在 Excel 中取消合并后重新上传 |\n| 多级表头（双层/三层表头） | 自动展平为单层列名 | 建议用户简化表头后重试 |\n| 空值过多的列（>50% 空值） | 自动排除该列，在报告中标注 | / |\n| 数值列包含非数值字符 | 尝试提取数字部分，标注异常行 | 建议用户清理数据后重试 |\n| 超大文件（>100MB） | 自动触发采样模式（默认 10%） | 建议用户拆分文件或预聚合后上传 |\n\n---\n\n## 二、异常处理规范\n\n所有错误提示必须为用户语言，格式统一为：\n\n```\n缺少[具体项]，请[如何补充]。\n```\n\n### 常见场景的错误提示对照\n\n| 实际原因 | 旧错误（技术化） | 新正确（用户语言） |\n|---------|----------------|------------------|\n| 文件格式不支持 | `FormatError: unsupported file type` | \"文件格式不支持，请上传 .xlsx / .xls / .csv 格式的 Excel 文件\" |\n| 文件损坏无法解析 | `zipfile.BadZipFile: File is not a zip file` | \"文件读取失败，可能是文件已损坏，请用 Excel 打开后另存为新文件再试\" |\n| 数据类型无法识别 | `ValueError: could not convert string to float` | \"第 [N] 列的数据格式不统一，请确保同一列的数据类型一致（如全是数字或全是文本）\" |\n| 找不到指定 Sheet | `KeyError: 'Sheet1'` | \"找不到名称为 '[Sheet名]' 的工作表，请确认 Sheet 名称是否正确\" |\n| 内存不足 | `MemoryError` | \"文件过大，请拆分后分批处理，或先在 Excel 中汇总后再上传\" |\n| 缺少必要列 | `KeyError: 'amount'` | \"数据中缺少销售额/数量列，请确认数据包含数值型指标列\" |\n| 权限不足 | `PermissionError: [Errno 13]` | \"无法读取该文件，请确认文件未被其他程序占用，且您拥有读取权限\" |\n| CSV 编码错误 | `UnicodeDecodeError: 'utf-8' codec` | \"CSV 文件编码无法识别，请用记事本打开后另存为 UTF-8 格式再试\" |\n\nAI 在任何情况下**不得抛出技术栈相关的异常信息**（如 Python 报错、JSON 解析错误等）。发现异常时必须**先给出用户语言的提示**，再在日志中记录技术细节（如有需要）。\n\n---\n\n## 三、输出准确性\n\n- **禁止在不确定领域胡编**：如果 AI 对某个计算逻辑或分析结论没有把握，不得编造数据或结论，必须标注\"数据不足以支撑此项分析\"\n- **每个图表需注明数据来源**：在图表脚注标注数据范围和聚合方式（如\"数据来源：YYYY年M月-MM月[数据集描述]，按[维度]分组汇总\"）\n- **保持数据一致性**：同一份报告中，同一个指标在不同图表中的数值必须一致\n\n---\n\n## 四、降级兜底\n\n当用户需求超出 conspect 能力范围时，按以下优先级处理：\n\n| 情况 | 处理方式 | 示例 |\n|------|---------|------|\n| 超出范围但值得做 | 说明替代方案，引导用户采用 | \"PDF 导出建议使用 HTML → 浏览器打印功能\" |\n| 多需求混合 | 先做 conspect 能做的，其余引导到其他工具 | \"报表我出，数据入库需要您用数据库工具处理\" |\n| 完全无关 | 引导到对应技能 | \"实时数据接入不在能力范围内，建议将 API 数据导出为 CSV 后导入\" |\n| 用户强求不支持的功能 | 给出明确的技术原因，而非简单拒绝 | \"PowerBI 专有格式需要桌面软件，conspect 输出标准 HTML 可手动导入\" |\n\nFile v0.1.1:references/quality-audit.md\n\n# 质量审核机制\n\n> 本文档定义 conspect Skill 的质量审核机制，包括审核执行者、审核时机、审核检查清单和审核不通过处理。\n\n---\n\n## 一、审核执行者：AI 审核 Agent（子 Agent）\n\n**为什么使用子 Agent 进行审核？**\n\n1. **避免上下文污染**：\n   - 审核过程需要读取大量文件（分析结果、设计文档、实现文档、原始数据）\n   - 如果在主对话中执行，会占用大量上下文窗口\n   - 使用子 Agent，审核在独立上下文中进行，不污染主对话\n\n2. **并行执行**：\n   - 多个审核任务可以并行执行\n   - 提高审核效率\n\n3. **专注审核**：\n   - 子 Agent 只负责审核，不受其他任务干扰\n   - 审核更深入、更全面\n\n---\n\n## 二、审核时机\n\n| 阶段 | 审核内容 | 输出文件 |\n|------|---------|---------|\n| 分析阶段完成后 | 审核分析结果质量 | `_cs-qa-analysis.md` |\n| 设计阶段完成后 | 审核设计质量 | `_cs-qa-design.md` |\n| 实现阶段完成后 | 审核实现质量 | `_cs-qa-implement.md` |\n| 报告生成完成后 | 审核报告质量 | `_cs-qa-report.md` |\n\n---\n\n## 三、审核检查清单\n\n### 数据一致性审核\n- [ ] 图表数据是否与分析结果一致？\n- [ ] 分析结果是否与原始数据一致？\n- [ ] 实现数据是否与设计数据一致？\n- [ ] 数据链路是否完整（原始数据 → 分析 → 设计 → 实现）？\n\n### 设计合理性审核\n- [ ] 图表类型是否适合数据特征？\n- [ ] 配色方案是否符合业务场景？\n- [ ] 布局是否合理？\n- [ ] 信息层级是否清晰？\n\n### 实现正确性审核\n- [ ] 图表是否正确渲染？\n- [ ] 交互功能是否完整？\n- [ ] 文件是否正确生成？\n\n### 业务逻辑审核\n- [ ] 数据表达是否符合业务逻辑？\n- [ ] 洞察是否有业务价值？\n- [ ] 建议是否可执行？\n\n---\n\n## 四、审核不通过处理\n\n- 审核不通过 → 阻断流程 → 输出审核报告 → 必须修复\n- 修复后重新审核 → 直到通过\n- 重试超过 2 次 → FAILED → 需人工介入\n\nArchive v0.1.0: 60 files, 179181 bytes\n\nFiles: .gitignore (175b), 1-manifest (0b), 1-manifest/skill-manifest.yaml (416b), agents (0b), agents/00-master-controller.md (9446b), agents/01-analyzer-agent.md (36143b), agents/02-designer-agent.md (19976b), agents/03-implementer-agent.md (14625b), agents/04-verifier-agent.md (11380b), agents/05-quality-auditor-agent.md (8169b), agents/06-visual-designer-agent.md (13191b), agents/07-report-designer-agent.md (5230b), agents/08-report-implementer-agent.md (5204b), agents/09-ai-reviewer-agent.md (5707b), artifacts (0b), artifacts/template-artifacts.md (10976b), conspect_tools (0b), conspect_tools/__init__.py (1279b), conspect_tools/ai_agent.py (16183b), conspect_tools/config.py (1824b), conspect_tools/data_feature_extractor.py (9449b), conspect_tools/data_processor.py (14277b), conspect_tools/data_statistics.py (11520b), conspect_tools/exporter.py (9142b), conspect_tools/render_engine.py (37772b), conspect_tools/report_renderer.py (15103b), conspect_tools/review_data_loader.py (7367b), conspect_tools/run.py (40975b), protocols (0b), protocols/baton-protocol.md (1842b), protocols/phase-protocol.md (2227b), reference (0b), reference/anti-patterns.md (9593b), reference/faq-deep.md (18649b), references (0b), references/agent-communication.md (1267b), references/ai-reviewer.md (1183b), references/chart-selection.md (1300b), references/cli-ai-workflow.md (4118b), references/examples.md (2359b), references/output-spec.md (5191b), references/quality-audit.md (2090b), references/trigger-guide.md (3571b), skill-card.md (2690b), SKILL-execution.md (47651b), SKILL.chunks (0b), SKILL.chunks/chunk-01-overview.md (2130b), SKILL.chunks/chunk-02-workflow.md (3163b), SKILL.chunks/chunk-03-data-pipeline.md (7934b), SKILL.chunks/chunk-04-rendering.md (10960b), SKILL.chunks/chunk-05-quality.md (7795b), SKILL.chunks/chunk-index.yaml (825b), SKILL.md (30499b), tests (0b), tests/test_ai_agent.py (5534b), tests/test_data_feature_extractor.py (2708b), tests/test_data_statistics.py (2399b), tests/test_report_renderer.py (3501b), tests/test_review_data_loader.py (3442b), _meta.json (127b)\n\nFile v0.1.0:SKILL.md\n\n---\nname: conspect\nversion: 2.0\nauthor: AI\ndescription: 全自动多源数据智能分析与商务报表渲染工具。上传Excel数据源，AI自动完成数据解析、图表选型、商务排版、可视化渲染，输出可直接开会投屏的专业报表。适用场景：生成报表/数据看板/Excel出图/投屏数据/多表合并分析。不适用：简单数据整理/桌面BI工具/纯文本报告。\n---\n\n# Conspect — 全自动数据智能分析与商务报表渲染引擎\n\n> **数据进，报表出**。用户只需上传Excel数据源，AI全自动完成从数据解析到专业报表渲染的全链路处理。\n> 本 Skill 的每个阶段均设强制检查点，未经审核不得跳转。\n\n---\n\n## 快速参考\n\n| 类别 | 说明 |\n|------|------|\n| **When to use** | 生成报表 / 做数据看板 / Excel出图 / 投屏数据 / 多表合并分析 / 上传多份Excel请求分析 |\n| **When NOT to use** | 简单单文件数据整理（无需可视化）、需桌面BI工具（PowerBI/Tableau）、只需纯文本报告 |\n| **How it works** | 上传Excel → 分析Agent解析清洗聚合 → 设计Agent图表选型排版 → 渲染Agent输出看板/HTML/PDF + 分析报告(MD/HTML/PDF/Word) |\n| **What it produces** | 交互式Web看板（投屏首选）、轻量化离线HTML（发老板首选）、PDF/PNG长图、结构化分析报告（含中文命名副本） |\n\n---\n\n## [WARN] 激活即执行（强制！）\n\n当 Conspect 被激活时（用户表达了数据分析/报表生成等意图），AI **必须**立即执行以下流程，不得等待用户额外指令：\n\n```\nStep 1: 运行强制入口清单（见 SKILL-execution.md）\nStep 2: 读取接力棒 → 确定当前状态\nStep 3: 如果接力棒不存在 → 创建接力棒，状态 = 开始\nStep 4: 如果状态是 X → 直接从 X 阶段续跑\nStep 5: 按状态路由表执行当前阶段任务\nStep 6: 完成阶段任务 → 更新接力棒 → 自动进入下一阶段\nStep 7: 重复 Step 5-6，直到 确认 或 完成\n```\n\n### 渐进式分块加载（Progressive Disclosure）\n\n本 Skill 采用渐进式分块加载策略，控制上下文大小：\n\n| 级别 | 文件名 | 触发条件 |\n|------|--------|---------|\n| L0 (始终) | `chunk-01-overview` | Skill 激活时始终加载 |\n| L1 (高频) | `chunk-02-workflow` | 进入工作流执行阶段 |\n| L2 (中频) | `chunk-03-data-pipeline` + `chunk-04-rendering` | 分析/渲染阶段按需加载 |\n| L3 (低频) | `chunk-05-quality` | QA/审核阶段按需加载 |\n| L2 (中频) | `references/output-spec` | 输出规范阶段按需加载 |\n| L2 (中频) | `references/trigger-guide` | 触发机制阶段按需加载 |\n| L3 (低频) | `references/examples` | 使用示例阶段按需加载 |\n| L3 (低频) | `references/quality-audit` | 质量审核阶段按需加载 |\n| L3 (低频) | `references/ai-reviewer` | AI审核阶段按需加载 |\n| L2 (中频) | `references/cli-ai-workflow` | CLI/AI协作阶段按需加载 |\n| L3 (低频) | `references/agent-communication` | Agent通信阶段按需加载 |\n| L3 (低频) | `references/chart-selection` | 图表选型阶段按需加载 |\n\n**加载规则**：\n1. SKILL.md 加载后，自动读取 `chunk-index.yaml` 获取分块元数据\n2. 按当前所处阶段自动加载对应级别的分块文件（load_on_demand）\n3. 已加载的分块在当前阶段完成后可自动卸载（auto_unload）\n4. 分块内容不应与 Agent 指令文件冲突；冲突时以 Agent 文件为准\n\n> **自绑定条款（不可绕过）**：\n> - 本条 Skill 的 **所有规则、约束、状态机均无条件适用于一切被激活的场景**，包括但不限于：\n>   1. 常规数据分析/报表生成任务\n>   2. **元任务：审查/检查/修复本 Skill 自身**\n>   3. **元任务：评估本 Skill 的执行质量或完整性**\n>   4. 被 Task 子Agent 调用时的任何子任务\n> - **元任务例外（解决审查死锁）**：当 AI 被要求审查/分析/修复本 Skill 自身时，自动进入\"元任务模式\"，**跳过标准 9 阶段状态机**，采用独立的审查流程（读取文件→逻辑分析→输出报告）。元任务完成后，恢复标准状态机。元任务期间仍需遵守 emoji 禁令、数据安全红线等全局规则。\n> - 以下理由 **不构成绕过状态机的合法依据**：\n>   - \"我正在审查Skill本身，所以不需要走状态机\"\n>   - \"我先读取所有文件了解一下，之后再走状态机\"\n>   - \"我用Task子Agent来做，子Agent不需要遵守状态机\"\n>   - \"我不知道当前状态是什么，所以从零开始做\"\n> - **违规后果**：如果在任何回复中发现AI绕过了状态机（未输出\"当前状态\"、未创建接力棒、未按阶段执行），用户可判定本 Skill **无效**。\n\n**AI 不得**：\n- [禁止] 等待用户输入 `/conspect start` 命令才开始\n- [禁止] 做完一步后询问\"下一步做什么？\"（除非在 确认 阶段）\n- [禁止] 跳过产物更新直接进入下一阶段\n- [禁止] 用\"已在对话中展示\"替代写入产物文件\n- [禁止] 以路径模糊为由跳过状态机\n- [禁止] **以元任务（审查/修复 Skill 自身）为由绕过状态机**\n- [禁止] **以\"先读取所有文件了解一下\"为由跳过入口清单**\n- [禁止] **使用 Task 子Agent 执行实质性工作时绕过状态机**（子Agent返回后必须继续遵守状态机，不得跳过当前阶段）\n- [禁止] **在用户主动中断/提问时忽略用户输入并继续自动推进**（必须优先执行\"用户中断处理机制\"）\n- [禁止] **使用 `python -c` 或 `python.exe -c` 执行内联 Python 代码**（Windows PowerShell 不支持内联代码，必须使用 CLI 工具层 `python run.py` 或写入脚本文件）\n- [禁止] **CLI 命令失败后放弃 CLI，自行写 `python -c` 内联代码替代**（必须先定位 CLI_DIR，按\"CLI 调用失败时的处理流程\"重试，仍失败则写 .py 脚本文件而非 -c 内联）\n- [禁止] **在 PowerShell 单引号字符串中对双引号加反斜杠转义**（即用 `'{\\\"key\\\": \\\"value\\\"}'` 代替 `'{\"key\": \"value\"}'`，这会导致 JSON 解析失败）\n- [禁止] **在任何输出产物中使用 emoji 或表情符号**（含 HTML/图表/文字，违规即 P0 阻断）\n\n---\n\n## CLI 工具层速查表（激活即加载）\n\n> 本 Skill 所有数据操作**必须**通过 CLI 工具层执行。以下列表是你在各阶段需要用到的所有 CLI 命令。\n> 如果你在某个阶段需要操作数据/加载文件/计算统计/交叉分析，**先查下表**，不要自己写 Python 代码。\n\n### CLI 调用方式（修复 PowerShell 引号问题的终极方案）\n\nCLI 工具 `run.py` 位于 Skill 安装目录下的 `conspect_tools/` 子目录中。调用时必须**先切换到该目录**，再执行。\n\n#### 方案 A（推荐）：标准输入管道传递 JSON\n\n**这是最推荐的调用方式**。PowerShell 单引号中的双引号是字面量，通过管道传给 `python run.py` 的标准输入，完全不存在引号转义问题。\n\n```powershell\ncd {CLI_DIR}\n'{\"file_paths\": [\"e:/skill_example/数据源文件.xlsx\"]}' | python run.py analyze\n```\n\n**工作原理**：`'...'` 保持字符串原样 → `|` 管道传给 stdin → Python 的 `sys.stdin.read()` 直接读到有效 JSON。\n\n#### 方案 B（备选）：`--params-file` 从文件读取\n\n如果因管道不支持（如参数太长），先用 IDE 的 `Write` 工具创建 JSON 文件，然后 CLI 从文件读取：\n\n```\n步骤 1：用 IDE Write 工具创建 _params.json\n  文件路径 = {CLI_DIR}/_params.json\n  内容：{\"file_paths\": [\"e:/数据源文件.xlsx\"]}\n\n步骤 2：切换到 CLI 目录，从文件读取参数执行\n  cd {CLI_DIR}\n  python run.py analyze --params-file _params.json\n```\n\n**注意**：必须用 IDE 的 `Write` 工具（不是终端的 PowerShell `write` 命令，那是 `Write-Output` 别名只打印不写文件）。\n\n#### 方案 C（最后备用）：单引号内联 JSON\n\n仅在无法使用管道和文件时使用：\n\n```powershell\ncd {CLI_DIR}\npython run.py analyze '{\"file_paths\": [\"e:/data.xlsx\"]}'\n```\n\n**警告**：单引号内**不要**给双引号加反斜杠！\n- [正确] `'{\"key\": \"val\"}'` → ✅\n- [错误] `'{\\\"key\\\": \\\"val\\\"}'` → ❌ Invalid JSON\n\n#### 路径调用规则\n\n```powershell\n# [正确] 先 cd 到 {CLI_DIR}\ncd {CLI_DIR}\npython run.py analyze --params-file _params.json\n\n# [错误] 不要两个路径参数都用引号并列\n\"python.exe\" \"run.py\" analyze '{...}'  # PowerShell ParserError ❌\n```\n\n**Skill 安装目录自动定位规则**（AI 必须执行）：\n\n```\n1. 使用 Glob 全局搜索 run.py（最可靠，能找到所有副本）：\n   glob **/conspect_tools/run.py\n   \n2. 搜索结果可能有多个（开发目录 + 系统目录），**优先选择：\n   - 不在 c:\\Users\\{user}\\.trae-cn\\ 路径下的（系统目录代码可能不是最新版）\n   - 在 e:\\ 或项目所在盘符下的\n   \n3. 如果只有系统目录可用（c:\\Users\\{user}\\.trae-cn\\...），也可以使用\n   但确认没有其他路径选择\n\n4. 定位到后，记下该目录路径作为 {CLI_DIR}\n5. 验证方式：ls {CLI_DIR}/run.py 确认文件存在\n6. 后续所有 CLI 调用统一使用：\n   cd {CLI_DIR}\n   python run.py <action> '<json_params>'\n```\n\n### 命令速查表\n\n| 动作 | 命令格式 | 使用阶段 | 用途 |\n|------|---------|---------|------|\n| **analyze** | `python run.py analyze '{\"file_paths\": [...]}'` | 分析 | 全链路分析（加载→清洗→维度识别→聚合→统计→质量评分） |\n| **load** | `python run.py load '{\"file_paths\": [...]}'` | 分析 | 仅加载数据，返回 Sheet 列表 |\n| **read_all** | `python run.py read_all '{\"file_paths\": [...]}'` | 分析 | 返回原始结构信息（列名/类型/样本） |\n| **cross_tabulate** | `python run.py cross_tabulate '{\"file_paths\": [...], \"row_dim\": \"...\", \"col_dim\": \"...\"}'` | 分析 | 任意两维度交叉聚合 |\n| **quality_assess** | `python run.py quality_assess '{\"file_paths\": [...]}'` | 分析 | 按列数据质量评分 |\n| **compare_data** | `python run.py compare_data '{\"data1\": {...}, \"data2\": {...}}'` | 分析/审核 | 两数据集一致性比较 |\n| **extract_features** | `python run.py extract_features '{\"data\": {...}}'` | 分析/设计 | 提取数据特征 |\n| **calc_statistics** | `python run.py calc_statistics '{\"values\": [...]}'` | 分析/洞察 | 计算统计数据 |\n| **ai_decide_chart** | `python run.py ai_decide_chart '{\"features\": {...}}'` | 设计 | AI Agent 图表选型 |\n| **ai_generate_insights** | `python run.py ai_generate_insights '{\"statistics\": {...}}'` | 洞察 | AI Agent 生成洞察 |\n| **render_report** | `python run.py render_report '{\"report_design\": {...}}'` | 报告 | 渲染报告（MD/HTML/PDF/Word） |\n| **save_report** | `python run.py save_report '{\"content\": \"...\", \"filename\": \"...\"}'` | 报告 | 保存产物文件 |\n| **save_with_chinese_name** | `python run.py save_with_chinese_name '{\"content\": \"...\", \"filename\": \"...\"}'` | 报告 | 保存并生成中文命名副本 |\n\n### CLI 调用失败时的处理流程（强制！不遵守视为违规）\n\n```markdown\n[P0 阻断] 如果 CLI 命令执行失败（ParserError/路径错误等），AI 不得自行写 Python 代码替代！\n\n[正确] 失败处理流程：\n1. 确认 {CLI_DIR} 路径是否正确（重新搜索 run.py）\n2. 确认是否先 cd 到了 {CLI_DIR}\n3. **改用标准输入管道方式重试（最可靠）**：\n   ```powershell\n   cd {CLI_DIR}\n   '{\"file_paths\": [\"e:/数据源文件.xlsx\"]}' | python run.py analyze\n   ```\n4. 如果管道成功，继续执行；后续所有调用都使用此方式\n5. 如果管道失败，改用 --params-file 方式\n6. 如果仍失败，将 Python 逻辑写入 .py 文件执行（而非 -c 内联）\n\n[错误] 失败后的错误做法：\n- ❌ 放弃 CLI，直接用 python -c \"import pandas as pd; ...\"\n- ❌ 说\"CLI 不能用，所以我自己写代码分析\"\n- ❌ 说\"PowerShell 不支持，改用脚本方式\"\n```\n\n> **白名单例外**：唯一允许 AI 写脚本文件的情况是 CLI 中确实没有对应动作（如自定义数据透视），且必须先写入 `.py` 文件再执行。即使写脚本，也不能使用 `-c` 内联方式。\n\n---\n\n## 核心约束\n\n### 技术约束\n\n- **零客户端依赖**：数据处理和渲染全在后端完成，用户仅需浏览器即可查看最终报表\n- **后端全量处理**：所有数据解析、清洗、聚合逻辑运行在服务端，不依赖用户本地计算资源\n- **ECharts 可视化**：图表渲染基于 ECharts 库，支持折线图、柱状图、饼图、散点图、雷达图等主流商用图表类型\n- **Excel 数据源**：仅支持 `.xlsx` / `.xls` / `.csv` 格式的 Excel 文件作为数据入口\n- **只读不修改**：本 Skill 只做分析和可视化，不修改用户上传的原始数据文件\n\n### 执行约束（强制！）\n\n当 Conspect 被激活时，AI **必须**读取 `SKILL-execution.md` 获取当前阶段的详细执行步骤。\n\n**禁止**：\n- 跳过 SKILL-execution.md 直接执行\n- 仅凭 SKILL.md 中的简要描述执行\n- 省略任何步骤（如审核、中文命名等）\n\n### 禁止内联 Python 代码（强制！）\n\nAI **禁止**使用 `python -c \"...\"` 或 `python.exe -c \"...\"` 方式在 PowerShell 中执行内联 Python 代码，因为 Windows PowerShell 不支持内联 Python 代码（引号嵌套会导致 ParserError）。\n\n**正确方式**：所有数据加载、分析和计算操作必须使用 CLI 工具层：\n```bash\npython run.py analyze '{\"file_paths\": [\"文件.xlsx\"]}'\npython run.py load '{\"file_paths\": [\"文件.xlsx\"]}'\npython run.py extract_features '{\"data\": {...}}'\npython run.py calc_statistics '{\"values\": [...]}'\n```\n\n**如果需要执行自定义 Python 逻辑**：先写入 `.py` 脚本文件，再执行脚本：\n\n### 产物缺失阻断（强制！）\n\n每个阶段结束后，AI **必须**检查所有应该生成的文件是否已生成。\n\n**如果产物缺失 → 阻断 → 必须补充生成**\n\n#### 报告生成阶段必须生成的文件\n- `_cs-report.md`（Markdown 报告）\n- `_cs-report.html`（HTML 报告）\n- `_cs-report.pdf`（PDF 报告）\n- `_cs-report.docx`（Word 报告）\n- `_cs-index.json`（关联索引）\n- `数据看板.html`（中文命名副本，对应 `_cs-dashboard.html`）\n- `分析报告.md`（中文命名副本，对应 `_cs-report.md`）\n\n#### 所有阶段必须生成的基础文件\n- `_cs-baton.md`（接力棒）\n- `_cs-analysis.md`（分析报告）\n- `_cs-insights.json`（洞察数据）\n- `_cs-design.md`（设计文档）\n- `_cs-implement.md`（实现摘要）\n- `_cs-verify.md`（验证报告）\n\n### 审核执行检查（强制！）\n\n每个阶段结束后，AI **必须**检查审核报告是否已生成。\n\n**如果审核报告缺失 → 阻断 → 必须补充生成**\n\n#### 必须生成的审核报告\n- `_cs-qa-analysis.md`（分析质量审核报告）\n- `_cs-qa-design.md`（设计质量审核报告）\n- `_cs-qa-implement.md`（实现质量审核报告）\n- `_cs-qa-report.md`（报告质量审核报告）\n- `_cs-qa-verify.md`（验证质量审核报告）\n\n### 中文命名检查（强制！）\n\n报告生成阶段结束后，AI **必须**检查中文命名副本是否已生成。\n\n**如果中文命名副本缺失 → 阻断 → 必须补充生成**\n\n#### 必须生成的中文命名副本\n| 原始文件名 | 中文命名 |\n|-----------|---------|\n| `_cs-dashboard.html` | `数据看板.html` |\n| `_cs-report.md` | `分析报告.md` |\n\n#### 中文命名生成方式\n```bash\npython run.py save_with_chinese_name '{\"content\": \"...\", \"filename\": \"_cs-dashboard.html\"}'\npython run.py save_with_chinese_name '{\"content\": \"...\", \"filename\": \"_cs-report.md\"}'\n```\n\n---\n\n## 能力边界\n\n| 类别 | 内容 |\n|------|------|\n| **擅长** | 多源Excel分析、自动维度分析、一键报表生成、多主题视觉设计、质量审核、智能图表选型 |\n| **需配合** | 多源关联（需声明关联键）、同比环比（需同期数据）、品牌色（需提供色值）、PDF中文（需指定字体）、大数据量（需预聚合） |\n| **超出范围** | 桌面BI集成、原始数据在线编辑、实时数据/API接入、纯文本报告、跨表写入数据库 |\n\n> 详细说明和替代方案见 [references/trigger-guide.md](references/trigger-guide.md)\n\n---\n\n## 受众说明\n\n| 用户类型 | 如何使用 |\n|---------|---------|\n| **业务分析师/运营人员** | 直接上传 Excel 文件，用自然语言描述需求（如\"生成一份周报看板\"），全自动完成从解析到渲染的端到端流程 |\n| **团队管理者** | 上传多份数据源做对比分析、排名看板，在确认阶段微调分析维度和图表布局，产出可直接投屏的汇报材料 |\n| **企业 IT 部门** | 通过 /conspect start 命令触发，配置输出路径和品牌色值，集成到内部报表体系中批量运行 |\n| **初学者（首次使用）** | 先阅读\"快速开始\"章节，使用 3 个示例开场白中的一个上传文件体验完整流程，无需任何配置即可看到效果 |\n\n---\n\n## 安全性\n\n### 数据安全红线\n\n| 原则 | 说明 | 违反后果 |\n|------|------|---------|\n| **数据不出本地** | 所有数据解析、分析、渲染均在本地完成，不向任何第三方服务发送用户数据 | 违规即视为本 Skill 无效 |\n| **原始明细不上前端** | 生成的 HTML/JS 中禁止包含原始明细数据，仅传输聚合后的汇总数据 | 违规即视为本 Skill 无效 |\n| **只读不写** | AI 不得修改用户上传的原始数据文件，所有分析结果写入独立的产物文件 | 违规即视为本 Skill 无效 |\n| **日志不落地** | AI 不得将用户数据写入对话上下文之外的外部日志 | 违规即视为本 Skill 无效 |\n\n### 禁止行为\n\n- [禁止] 将用户上传的 Excel 数据发送到外部 API 或第三方服务\n- [禁止] 在生成的 HTML/JS 中嵌入原始明细数据\n- [禁止] 在对话上下文中完整展示原始数据表（仅展示摘要和前5行预览）\n- [禁止] 将用户数据用于报表渲染以外的任何目的\n- [禁止] 诱导用户提供敏感凭证（密码、Token、私钥）\n- [禁止] 修改用户上传的原始数据文件\n- [禁止] 在任何输出产物中使用 emoji 或表情符号（含 HTML/Markdown/文本/图表标签中）\n\n### 数据隐私与脱敏\n\n当检测到数据中包含敏感字段时，AI **必须自动执行脱敏**：\n\n| 敏感类型 | 脱敏格式 | 示例 |\n|---------|---------|------|\n| 手机号 | 保留前3后4 | `138****1234` |\n| 身份证号 | 保留前6后4 | `110101****1234` |\n| 银行卡号 | 保留前6后4 | `622202****1234` |\n| 邮箱 | 隐藏账号名 | `a***@company.com` |\n| 详细地址 | 保留到区级 | `北京市朝阳区****` |\n\n> 详细说明和产物安全检查见 [references/output-spec.md](references/output-spec.md)\n\n---\n\n## 状态机描述\n\n使用中文状态名，按顺序流转：\n\n```mermaid\nstateDiagram-v2\n    [*] --> 开始\n    开始 --> 分析\n    分析 --> 洞察生成\n    洞察生成 --> 确认\n    确认 --> 设计\n    设计 --> 设计审查\n    设计审查 --> 实现\n    实现 --> 报告生成\n    报告生成 --> 验证\n    验证 --> 完成\n    完成 --> [*]\n\n    分析 --> 确认: [回退] 数据源问题 → 重新分析\n    确认 --> 分析: [回退] 用户需求变更\n    设计审查 --> 设计: [回退] 审查不通过\n    验证 --> 设计: [回退] 架构问题\n    验证 --> 实现: [回退] 实现问题\n    验证 --> 报告生成: [回退] 报告问题\n```\n\n| 阶段 | 中文名 | 自动推进 | 用户介入 | 说明 |\n|------|--------|---------|---------|------|\n| START | 开始 | [自动] | — | 创建接力棒，初始化会话 |\n| ANALYZE | 分析 | [自动] | — | 读取数据源，执行数据解析和维度分析 |\n| INSIGHT | 洞察生成 | [自动] | — | 基于分析结果生成智能洞察和行动建议 |\n| CONFIRM | 确认 | [等待用户] | [必须] | 展示分析结果摘要，等待用户确认或修改 |\n| DESIGN | 设计 | [自动] | — | 基于确认的分析结果进行图表设计和排版 |\n| DESIGN_REVIEW | 设计审查 | [自动] | — | 视觉设计师审查设计方案 |\n| IMPLEMENT | 实现 | [自动] | — | 按照设计文档执行渲染和文件生成 |\n| REPORT | 报告生成 | [自动] | — | 渲染报告为多格式输出（MD/HTML/PDF/Word） |\n| VERIFY | 验证 | [自动] | — | 对实现产物进行多维度验证 |\n| DONE | 完成 | [自动] | — | 输出最终报告，流程结束 |\n\n---\n\n## 产物清单\n\n所有产物存放在 `{项目路径}/.agent/harness/`，使用 `_cs-` 前缀：\n\n| 文件 | 说明 | 生成阶段 |\n|------|------|----------|\n| `_cs-baton.md` | 接力棒（状态+进度+任务追踪） | 开始（持续更新） |\n| `_cs-analysis.md` | 数据分析报告 | 分析 |\n| `_cs-insights.json` | 智能洞察数据 | 洞察生成 |\n| `_cs-qa-analysis.md` | 分析质量审核报告 | 分析 → 确认 间 |\n| `_cs-design.md` | 图表设计文档 | 设计 |\n| `_cs-design-review.md` | 设计审查意见 | 设计审查 |\n| `_cs-qa-design.md` | 设计质量审核报告 | 设计 → 设计审查 间 |\n| `_cs-implement.md` | 实现摘要 | 实现 |\n| `_cs-qa-implement.md` | 实现质量审核报告 | 实现 → 验证 间 |\n| `_cs-report.md` | 分析报告 Markdown | 报告生成 |\n| `_cs-report.html` | 分析报告 HTML | 报告生成 |\n| `_cs-report.pdf` | 分析报告 PDF | 报告生成 |\n| `_cs-report.docx` | 分析报告 Word | 报告生成 |\n| `_cs-index.json` | 关联索引 | 报告生成 |\n| `_cs-qa-report.md` | 报告质量审核报告 | 报告生成 → 验证 间 |\n| `_cs-verify.md` | 验证报告 | 验证 |\n| `_cs-qa-verify.md` | 验证质量审核报告 | 验证 → 完成 间 |\n| `_cs-final-report.md` | 最终汇总报告 | 完成 |\n\n渲染产物（不纳入接力棒管理）：\n\n| 产物类型 | 格式 | 说明 |\n|---------|------|------|\n| Web 看板 | `.html` | 交互式 ECharts 看板，可用于会议投屏 |\n| 离线报告 | `.html` | 轻量化单页报表，可直接发送给他人 |\n| PDF 长图 | `.pdf` | 高清 PDF 打印版报表 |\n| PNG 截图 | `.png` | 关键图表截图，用于插入文档或消息 |\n| 分析报告 | `.md` | 分析报告 Markdown |\n| 分析报告 | `.html` | 分析报告 HTML（独立文件） |\n| 分析报告 | `.pdf` | 分析报告 PDF（打印归档） |\n| 分析报告 | `.docx` | 分析报告 Word（二次编辑） |\n| 中文命名副本 | `.html`/`.md` | 数据看板.html、分析报告.md |\n\n---\n\n## Agent 列表\n\nConspect 采用 10 个子 Agent 协作完成全链路流程：\n\n| # | Agent | 职责阶段 | 简介 |\n|---|-------|---------|------|\n| 1 | **主控 Agent**（master） | 全部（协调） | 负责全局调度、状态机流转控制、文件管理、用户交互 |\n| 2 | **分析 Agent**（analyzer） | 分析 | 读取 Excel 数据源，执行数据解析、清洗、维度分析、指标计算 |\n| 3 | **AI 洞察 Agent**（insight） | 洞察生成 | 基于分析结果，利用AI能力生成智能洞察和行动建议 |\n| 4 | **设计 Agent**（designer） | 设计 | 基于分析结果进行图表智能选型、商务排版设计、配色方案选择 |\n| 5 | **实现 Agent**（implementer） | 实现 | 按照设计文档编码实现：生成 Web 看板 HTML、离线报告 HTML、PDF/PNG 产物 |\n| 6 | **报告设计 Agent**（report-designer） | 报告生成 | 基于智能洞察和分析结果，设计报告结构，组织内容 |\n| 7 | **报告实现 Agent**（report-implementer） | 报告生成 | 按照报告设计文档，渲染报告为多格式输出（MD/HTML/PDF/Word），并生成中文命名副本 |\n| 8 | **验证 Agent**（verifier） | 验证 | 对实现产物执行多维度验证：数据一致性、渲染完整性、商务合规性 |\n| 9 | **AI 审核 Agent**（ai-reviewer） | 全部（独立审核） | 利用AI的理解和分析能力，对产出物进行端到端审核 |\n| 10 | **视觉设计师 Agent**（visual-designer） | 设计→实现（设计审查） | 负责审查设计方案的视觉风格合规性 |\n\n> 各 Agent 的详细职责和协作方式见 [references/agent-communication.md](references/agent-communication.md)\n\n---\n\n## 分块加载说明\n\n为控制单次上下文大小，Conspect Skill 采用渐进式分块加载策略：\n\n| 分块文件 | 内容 | 加载时机 |\n|---------|------|---------|\n| `SKILL.chunks/chunk-index.yaml` | 分块索引与加载规则 | 始终加载 |\n| `SKILL.chunks/chunk-01-overview.md` | 产品概述、核心约束、触发机制 | 始终加载 |\n| `SKILL.chunks/chunk-02-workflow.md` | 核心工作流（状态机+数据处理流水线） | 高频加载 |\n| `SKILL.chunks/chunk-03-data-pipeline.md` | 数据流水线详解 | 中频加载 |\n| `SKILL.chunks/chunk-04-rendering.md` | 渲染引擎详解 | 中频加载 |\n| `SKILL.chunks/chunk-05-quality.md` | 质量审核体系 | 低频加载 |\n| `references/output-spec.md` | 输出规范（运行稳定性、异常处理、输出准确性、降级兜底） | 按需加载 |\n| `references/trigger-guide.md` | 触发机制（自然语义、命令、程序化调用、功能选择、定制化） | 按需加载 |\n| `references/examples.md` | 使用示例（销售周报自动生成） | 按需加载 |\n| `references/quality-audit.md` | 质量审核机制（审核执行者、时机、检查清单、不通过处理） | 按需加载 |\n| `references/ai-reviewer.md` | AI 审核 Agent 拉起方式（拉起时机、流程、输入参数、输出结果） | 按需加载 |\n| `references/cli-ai-workflow.md` | CLI 和 AI Agent 调用顺序（各阶段调用顺序） | 按需加载 |\n| `references/agent-communication.md` | 主控 Agent 与子 Agent 通信方式（通信方式、输入输出格式） | 按需加载 |\n| `references/chart-selection.md` | 图表选型指南（选型规则、调用方式） | 按需加载 |\n\n加载规则：\n- `chunk-index.yaml` 和 `chunk-01-overview.md` 伴随主文档同时加载\n- 其余分块在进入对应阶段时按需加载\n- 分块加载不阻断状态机流转\n\n---\n\n## 快速开始\n\n**一句话概述**：上传 Excel 文件，告诉 AI 你要什么报表，自动生成。\n\n**3 个可直接复制的开场白**：\n\n```\n\"帮我分析这份业务数据，出一份周报看板\"\n→ 上传 sales.xlsx，自动进入状态机，从分析到渲染全自动完成\n\n\"对比一下这两个月的经营数据，做一份投屏用的报表\"\n→ 上传 current.xlsx 和 previous.xlsx，自动做同比分析\n\n\"把这三个部门的业绩数据合在一起做个排名看板\"\n→ 上传三份 Excel，自动合并、排名、渲染\n```\n\n**首次使用建议**：先上传文件，再说需求。AI 会自动识别数据结构和字段含义。\n\n> 更多使用示例和场景见 [references/examples.md](references/examples.md)\n\n---\n\n## FAQ — 常见问题\n\n> 分类索引：**[使用入门]** | **[流程管理]** | **[数据安全]** | **[兼容集成]** | **[功能定制]**\n\n---\n\n### [使用入门]\n\n#### Q1：如何开始使用 Conspect？\n\n直接上传您的 Excel 数据文件（`.xlsx` / `.xls` / `.csv`），然后告诉 AI 您的需求（如\"生成一份业务数据看板\"）。Conspect 会自动进入状态机，从数据解析到报表渲染全自动完成。\n\n也可以输入 `/conspect start` 手动启动。\n\n### [流程管理]\n\n#### Q2：流程执行到一半能中断吗？中断后怎么恢复？\n\n可以。Conspect 设计了专门的用户中断处理机制（见 SKILL-execution.md）：\n\n1. **立即暂停**：AI 展示 3 个选项（立即重置 / 记入 TODO / 仅讨论）\n2. **选择处理方式**：根据需求选择对应操作\n3. **自动恢复**：即使关闭对话重新打开，接力棒机制会自动恢复现场，从断点继续执行\n\n### [数据安全]\n\n#### Q3：我的数据会上传到第三方吗？\n\n**不会**。Conspect 的所有数据处理、分析和渲染均在本地环境完成：\n\n- 数据解析和清洗：本地运行 Python 脚本处理\n- 图表渲染：使用 ECharts 库在本地生成 HTML 文件\n- 数据存储：产物文件仅保存在 `{项目路径}/.agent/harness/` 目录中\n- 不向任何第三方服务发送用户数据\n\n### [兼容集成]\n\n#### Q4：Conspect 的产物文件和现有 `_baton.md` 冲突吗？\n\n**不会冲突**。Conspect 使用 `_cs-` 前缀命名所有产物文件（如 `_cs-baton.md`、`_cs-analysis.md`），与 ReqPlan-v3 的 `_baton.md`、`_analysis.md` 等文件命名不重叠。多个 Skill 可以在同一项目的 `.agent/harness/` 目录下共存。\n\n### [功能定制]\n\n#### Q5：支持哪些图表类型？\n\nConspect 支持 ECharts 主流图表类型：\n\n- **比较类**：柱状图、条形图、折线图、雷达图\n- **构成类**：饼图、环形图、堆叠图、瀑布图\n- **分布类**：散点图、气泡图、热力图\n- **时序类**：折线图、面积图、K 线图\n- **关系类**：关系图、桑基图、树图\n- **仪表类**：仪表盘、进度图、指标卡\n\nAI 会根据数据特征自动选型，也可在确认阶段由用户指定。\n\n> 详细图表选型规则见 [references/chart-selection.md](references/chart-selection.md)\n\n#### Q6：可以自定义配色和品牌风格吗？\n\n可以。在**确认阶段**，您可以指定品牌色值（如 `#1890FF`）、字体风格、Logo 位置等品牌元素。设计 Agent 会自动将品牌规范融入排版方案。\n\n如果不指定，Conspect 使用默认商务配色（蓝白主色调）。\n\n---\n\n## 版本信息\n\n**版本**: v2.0  \n**更新日期**: 2026-07-29\n\n**核心设计**:\n- 9 阶段状态机（开始 → 分析 → 洞察生成 → 确认 → 设计 → 设计审查 → 实现 → 报告生成 → 验证 → 完成）\n- 中文状态名 + `_cs-` 产物前缀\n- 零客户端依赖，后端全量处理\n- ECharts 可视化引擎\n- **AI 驱动审核机制**：利用AI的理解和分析能力进行端到端审核\n- **子 Agent 审核**：避免上下文污染，提高审核效率\n- 接力棒持久化（跨 Session 续跑）\n- 验证链规则（计数验证 / 列表验证 / 文件验证）\n- 用户中断处理机制（3 选项）\n- **双产物模式**：看板 + 分析报告（MD/HTML/PDF/Word）\n- **中文命名**：最终产品自动生成中文命名副本\n- **CLI与AI分工**：CLI只负责数据支持，AI负责决策分析\n- **渐进式分块加载**：控制上下文大小，提高执行效率\n\nFile v0.1.0:_meta.json\n\n{\n  \"ownerId\": \"kn799bh9g8eq5n8nxav36av3d5879qr1\",\n  \"slug\": \"conspect\",\n  \"version\": \"0.1.0\",\n  \"publishedAt\": 1786008875960\n}\n\nFile v0.1.0:references/agent-communication.md\n\n# 主控 Agent 与子 Agent 通信方式\n\n> 本文档定义 conspect Skill 中主控 Agent 与子 Agent 的通信方式、输入参数格式和输出结果格式。\n\n---\n\n## 一、通信方式\n\n- 主控 Agent 读取子 Agent 指南（agents/09-ai-reviewer-agent.md）\n- 主控 Agent 准备输入参数（JSON 格式）\n- 主控 Agent 激活子 Agent（使用 Task 工具）\n- 子 Agent 执行任务（独立上下文）\n- 子 Agent 返回结果（JSON 格式）\n- 主控 Agent 接收结果并处理\n\n---\n\n## 二、输入参数格式\n\n```json\n{\n  \"task\": \"review_analysis\",\n  \"phase\": \"analysis\",\n  \"context\": {\n    \"raw_data_file\": \"path/to/raw_data.json\",\n    \"analysis_file\": \"path/to/_cs-analysis.md\"\n  },\n  \"business_context\": \"<根据数据源自动识别的业务场景>\",\n  \"output_file\": \"path/to/_cs-ai-review-analysis.md\"\n}\n```\n\n---\n\n## 三、输出结果格式\n\n```json\n{\n  \"status\": \"completed\",\n  \"passed\": true,\n  \"score\": 85.0,\n  \"issues\": [],\n  \"report_file\": \"path/to/_cs-ai-review-analysis.md\"\n}\n```\n\n---\n\n## 四、子 Agent 列表\n\n| 子 Agent | 职责 | 指南文件 |\n|---------|------|---------|\n| AI 审核 Agent | 端到端审核 | agents/09-ai-reviewer-agent.md |\n| 视觉设计师 Agent | 视觉审查 | agents/06-visual-designer-agent.md |\n\nFile v0.1.0:references/ai-reviewer.md\n\n# AI 审核 Agent 拉起方式\n\n> 本文档定义 AI 审核 Agent 的拉起方式、输入参数和输出结果。\n\n---\n\n## 一、拉起时机\n\n- 每个阶段完成后，主控 Agent **自动拉起** AI 审核 Agent\n- 审核不通过 → 阻断流程，必须修复\n\n---\n\n## 二、拉起流程\n\n```\n主控 Agent → 读取 AI 审核 Agent 指南 → 准备审核上下文 → 激活子 Agent（Task） → 子 Agent 执行审核 → 返回审核报告\n```\n\n---\n\n## 三、输入参数\n\n```json\n{\n  \"phase\": \"analysis/design/implement/report\",\n  \"context\": {\n    \"raw_data_file\": \"path/to/raw_data.json\",\n    \"analysis_file\": \"path/to/_cs-analysis.md\",\n    \"design_file\": \"path/to/_cs-design.md\",\n    \"implement_file\": \"path/to/_cs-implement.md\"\n  },\n  \"business_context\": \"<根据数据源自动识别的业务场景>\"\n}\n```\n\n---\n\n## 四、输出结果\n\n```json\n{\n  \"review_file\": \"path/to/_cs-ai-review-analysis.md\",\n  \"passed\": true/false,\n  \"score\": 85.0,\n  \"issues\": [...]\n}\n```\n\n---\n\n## 五、审核不通过处理\n\n1. 主控 Agent 读取审核报告\n2. 提取\"待修复问题清单\"\n3. 回退到对应阶段\n4. 修复问题\n5. 重新拉起 AI 审核 Agent\n6. 直到审核通过\n\nFile v0.1.0:references/chart-selection.md\n\n# 图表选型指南\n\n> 本文档定义 conspect Skill 的图表选型规则和调用方式。\n\n---\n\n## 一、执行者：AI Agent\n\n**职责**：根据数据特征和业务场景选择图表类型\n\n**输入**：\n- 数据特征（CLI 提取）\n- 业务场景（用户描述）\n\n**输出**：\n- 图表类型\n- 选择理由\n- 图表配置\n\n---\n\n## 二、调用方式\n\n```bash\n# 1. CLI 提取数据特征\npython run.py extract_features '{\"data\": {...}}'\n\n# 2. AI Agent 图表选型决策\npython run.py ai_decide_chart '{\"features\": {...}, \"business_context\": \"<根据数据源自动识别的业务场景>\"}'\n```\n\n---\n\n## 三、图表选型规则（AI 参考）\n\n| 数据特征 | 推荐图表 | 说明 |\n|---------|---------|------|\n| 时间序列 + 数值 | 折线图 | 展示时间趋势 |\n| 时间序列 + 数值（数据点 > 50） | 面积图 | 数据点较多，面积图更清晰 |\n| 分类 + 数值（分类 ≤ 5） | 饼图 | 展示占比 |\n| 分类 + 数值（5 < 分类 ≤ 10） | 柱状图 | 分类对比 |\n| 分类 + 数值（分类 > 10） | 横向条形图 | 分类较多，横向更清晰 |\n| 数值分布 | 直方图 | 展示分布 |\n| 两个数值关系 | 散点图 | 展示相关性 |\n\n**注意**：图表选型规则仅供参考，AI Agent 应根据具体业务场景灵活选择。\n\nFile v0.1.0:references/cli-ai-workflow.md\n\n# CLI 和 AI Agent 调用顺序\n\n> 文档定义 conspect Skill 中 CLI 工具层和 AI Agent 的分工，以及各阶段的调用顺序。\n\n---\n\n## 一、CLI 与 AI 分工\n\n### CLI 工具层（数据支持）\n\n**职责**：只负责数据加载、简单计算、文件操作\n\n**模块**：\n- `data_processor.py` - 数据加载、清洗、聚合\n- `data_feature_extractor.py` - 数据特征提取\n- `data_statistics.py` - 数据统计\n- `review_data_loader.py` - 审核数据加载\n- `exporter.py` - 文件导出\n\n**CLI 命令**：\n```bash\n# 数据加载\npython run.py load '{\"file_paths\": [\"数据源文件.xlsx\"]}'\npython run.py read_all '{\"file_paths\": [\"数据源文件.xlsx\"]}'\npython run.py analyze '{\"file_paths\": [\"数据源文件.xlsx\"]}'\n\n# 数据特征提取\npython run.py extract_features '{\"data\": {...}}'\n\n# 数据统计\npython run.py calc_statistics '{\"values\": [...]}'\n\n# 审核数据加载\npython run.py load_review_context '{\"raw_data_file\": \"...\", \"analysis_file\": \"...\"}'\n\n# 数据比较\npython run.py compare_data '{\"data1\": {...}, \"data2\": {...}}'\n\n# 文件导出\npython run.py save_report '{\"content\": \"...\", \"filename\": \"report.md\"}'\npython run.py save_with_chinese_name '{\"content\": \"...\", \"filename\": \"report.md\"}'\n```\n\n### AI Agent（决策分析）\n\n**职责**：负责所有需要理解和判断的工作\n\n**模块**：\n- `ai_agent.py` - AI Agent（图表选型、洞察生成、质量审核）\n\n**CLI 命令**：\n```bash\n# AI Agent 图表选型决策\npython run.py ai_decide_chart '{\"features\": {...}, \"business_context\": \"<根据数据源自动识别的业务场景>\"}'\n\n# AI Agent 生成洞察\npython run.py ai_generate_insights '{\"statistics\": {...}, \"business_context\": \"<根据数据源自动识别的业务场景>\"}'\n\n# AI Agent 审核\npython run.py ai_review_design '{\"analysis\": {...}, \"design\": {...}}'\npython run.py ai_review_implement '{\"design\": {...}, \"implement\": {...}}'\n```\n\n---\n\n## 二、各阶段调用顺序\n\n### 分析阶段\n```\n1. 主控 Agent 调用 CLI 加载数据\n   python run.py load '{\"file_paths\": [\"数据源文件.xlsx\"]}'\n   \n2. 主控 Agent 分析数据\n   - 数据清洗、维度识别、指标计算\n   \n3. 主控 Agent 生成分析报告\n   写入 _cs-analysis.md\n   \n4. 主控 Agent 拉起 AI 审核 Agent 审核分析结果\n   → 审核通过 → 进入下一阶段\n   → 审核不通过 → 修复后重新审核\n```\n\n### 洞察生成阶段\n```\n1. 主控 Agent 调用 CLI 提取数据特征\n   python run.py extract_features '{\"data\": {...}}'\n   \n2. 主控 Agent 调用 CLI 计算统计数据\n   python run.py calc_statistics '{\"values\": [...]}'\n   \n3. 主控 Agent 调用 AI Agent 生成洞察\n   - 输入：统计数据 + 业务场景\n   - 输出：洞察列表 + 建议列表\n   \n4. 主控 Agent 写入洞察数据\n   写入 _cs-insights.json\n```\n\n### 设计阶段\n```\n1. 主控 Agent 读取分析报告\n   读取 _cs-analysis.md\n   \n2. 主控 Agent 调用 CLI 提取数据特征\n   python run.py extract_features '{\"data\": {...}}'\n   \n3. 主控 Agent 调用 AI Agent 图表选型决策\n   - 输入：数据特征 + 业务场景\n   - 输出：图表类型 + 选择理由\n   \n4. 主控 Agent 生成设计文档\n   写入 _cs-design.md\n   \n5. 主控 Agent 拉起 AI 审核 Agent 审核设计结果\n   → 审核通过 → 进入下一阶段\n   → 审核不通过 → 修复后重新审核\n```\n\n### 实现阶段\n```\n1. 主控 Agent 读取设计文档\n   读取 _cs-design.md\n   \n2. 主控 Agent 渲染看板\n   生成 Web 看板 HTML\n   \n3. 主控 Agent 生成实现摘要\n   写入 _cs-implement.md\n   \n4. 主控 Agent 拉起 AI 审核 Agent 审核实现结果\n   → 审核通过 → 进入下一阶段\n   → 审核不通过 → 修复后重新审核\n```\n\n### 报告生成阶段\n```\n1. 主控 Agent 读取洞察数据\n   读取 _cs-insights.json\n   \n2. 主控 Agent 设计报告结构\n   生成报告大纲\n   \n3. 主控 Agent 渲染多格式报告\n   - Markdown、HTML、PDF、Word\n   \n4. 主控 Agent 生成中文命名副本\n   python run.py save_with_chinese_name '{...}'\n   \n5. 主控 Agent 写入关联索引\n   写入 _cs-index.json\n```\n\nFile v0.1.0:references/examples.md\n\n# 使用示例\n\n> 本文档提供 conspect Skill 的真实使用示例，帮助用户快速上手。\n\n---\n\n## 场景：销售周报自动生成\n\n### 输入数据\n\n一份 Excel 销售明细表\n\n| 日期 | 产品线 | 区域 | 销售额 | 数量 | 负责人 |\n|------|--------|------|--------|------|--------|\n| 2026-01-06 | A 系列 | 华东 | 328,500 | 95 | 张三 |\n| 2026-01-06 | B 系列 | 华北 | 189,200 | 42 | 李四 |\n| ...（数百行数据） | | | | | |\n\n### 用户输入\n\n\"帮我分析这份数据，出一份周报看板\"\n\n### Conspect 自动执行以下步骤\n\n| 步骤 | 阶段 | 做了什么 | 结果 |\n|------|------|---------|------|\n| 1 | 分析 | 读取 Excel，自动识别\"日期/产品线/区域\"为维度，\"销售额/数量\"为指标；按\"产品线\"分组汇总销售额；按\"区域\"统计业绩排名 | 生成结构化分析报告 |\n| 2 | 确认 | 展示分析摘要：3 个维度、2 个指标、8 个数据分组 | 用户点击确认 |\n| 3 | 设计 | 自动选型：折线图（销售趋势）+ 柱状图（产品线对比）+ 饼图（区域占比）+ KPI 卡片（总销售额） | 生成设计文档 |\n| 4 | 实现 | 渲染为交互式 Web 看板，包含顶部 KPI 指标卡 + 中部 3 个图表 + 底部数据解读区 | 输出单个 HTML 文件 |\n| 5 | 验证 | 检查数据一致性（图表数值 vs 源数据）、渲染完整性、商务合规性 | 验证通过 |\n\n### 最终产出\n\n一个可在浏览器打开的 `_cs-dashboard.html` 文件，包含：\n- 顶部：总销售额、总数量、环比涨跌幅 3 个 KPI 卡片\n- 中部：按产品线的销售额趋势折线图、各区域销售额柱状图、各产品线占比饼图\n- 底部：数据概要说明和关键发现（如\"A 系列销售额环比增长 15%\"）\n\n> 上述过程全程自动，用户只需上传 Excel + 输入一句话需求。如需调整配色或图表类型，可在确认阶段提出。\n\n---\n\n## 3 个可直接复制的开场白\n\n```\n\"帮我分析这份业务数据，出一份周报看板\"\n→ 上传 sales.xlsx，自动进入状态机，从分析到渲染全自动完成\n\n\"对比一下这两个月的经营数据，做一份投屏用的报表\"\n→ 上传 current.xlsx 和 previous.xlsx，自动做同比分析\n\n\"把这三个部门的业绩数据合在一起做个排名看板\"\n→ 上传三份 Excel，自动合并、排名、渲染\n```\n\nFile v0.1.0:references/output-spec.md\n\n# 输出规范\n\n> 本文档定义 conspect Skill 的输出规范，包括运行稳定性、异常处理、输出准确性和降级兜底策略。\n\n---\n\n## 一、运行稳定性\n\n### 信息不足时的降级策略\n\n当遇到信息不足时（如未明确指定分析维度、缺少对比基准），AI **不得直接停下来询问用户**，必须：\n\n```\n1. 基于已有数据自动做最合理的假设（如：有多列数值→自动计算衍生指标和推荐关联分析）\n2. 按假设版本继续分析并生成报表\n3. 在最终报告的\"分析说明\"区域标注假设条件\n4. 询问用户是否需要调整假设\n```\n\n### 连续出错的自动恢复机制\n\n当某个阶段执行连续失败时，按以下策略自动恢复，避免流程卡死：\n\n| 失败次数 | 处理方式 | 用户感知 |\n|---------|---------|---------|\n| 第 1 次失败 | 自动重试当前步骤，最多重试 1 次 | 无感知，后台自动重试 |\n| 第 2 次失败（重试仍失败） | 回退到上一阶段，重新生成前置产物后再次尝试 | 用户会看到\"上一步骤需要重新执行\"的提示 |\n| 第 3 次失败（回退后仍失败） | 标记为阻断，输出失败原因报告，暂停流程等待用户介入 | 用户看到明确的原因说明和恢复建议 |\n| 超过 3 次 | 标记为 FAILED，保留已有中间产物，建议用户手动修复或重新启动 | 用户看到完整失败报告和恢复步骤 |\n\n### 特殊格式与复杂场景处理\n\n当遇到特殊数据格式或复杂场景时，系统按以下方式处理，确保不会卡死：\n\n| 特殊场景 | 自动处理方式 | 仍不行时的替代方案 |\n|---------|-------------|------------------|\n| 合并单元格 | 自动检测并逐级下填/拆分 | 建议用户在 Excel 中取消合并后重新上传 |\n| 多级表头（双层/三层表头） | 自动展平为单层列名 | 建议用户简化表头后重试 |\n| 空值过多的列（>50% 空值） | 自动排除该列，在报告中标注 | / |\n| 数值列包含非数值字符 | 尝试提取数字部分，标注异常行 | 建议用户清理数据后重试 |\n| 超大文件（>100MB） | 自动触发采样模式（默认 10%） | 建议用户拆分文件或预聚合后上传 |\n\n---\n\n## 二、异常处理规范\n\n所有错误提示必须为用户语言，格式统一为：\n\n```\n缺少[具体项]，请[如何补充]。\n```\n\n### 常见场景的错误提示对照\n\n| 实际原因 | 旧错误（技术化） | 新正确（用户语言） |\n|---------|----------------|------------------|\n| 文件格式不支持 | `FormatError: unsupported file type` | \"文件格式不支持，请上传 .xlsx / .xls / .csv 格式的 Excel 文件\" |\n| 文件损坏无法解析 | `zipfile.BadZipFile: File is not a zip file` | \"文件读取失败，可能是文件已损坏，请用 Excel 打开后另存为新文件再试\" |\n| 数据类型无法识别 | `ValueError: could not convert string to float` | \"第 [N] 列的数据格式不统一，请确保同一列的数据类型一致（如全是数字或全是文本）\" |\n| 找不到指定 Sheet | `KeyError: 'Sheet1'` | \"找不到名称为 '[Sheet名]' 的工作表，请确认 Sheet 名称是否正确\" |\n| 内存不足 | `MemoryError` | \"文件过大，请拆分后分批处理，或先在 Excel 中汇总后再上传\" |\n| 缺少必要列 | `KeyError: 'amount'` | \"数据中缺少销售额/数量列，请确认数据包含数值型指标列\" |\n| 权限不足 | `PermissionError: [Errno 13]` | \"无法读取该文件，请确认文件未被其他程序占用，且您拥有读取权限\" |\n| CSV 编码错误 | `UnicodeDecodeError: 'utf-8' codec` | \"CSV 文件编码无法识别，请用记事本打开后另存为 UTF-8 格式再试\" |\n\nAI 在任何情况下**不得抛出技术栈相关的异常信息**（如 Python 报错、JSON 解析错误等）。发现异常时必须**先给出用户语言的提示**，再在日志中记录技术细节（如有需要）。\n\n---\n\n## 三、输出准确性\n\n- **禁止在不确定领域胡编**：如果 AI 对某个计算逻辑或分析结论没有把握，不得编造数据或结论，必须标注\"数据不足以支撑此项分析\"\n- **每个图表需注明数据来源**：在图表脚注标注数据范围和聚合方式（如\"数据来源：YYYY年M月-MM月[数据集描述]，按[维度]分组汇总\"）\n- **保持数据一致性**：同一份报告中，同一个指标在不同图表中的数值必须一致\n\n---\n\n## 四、降级兜底\n\n当用户需求超出 conspect 能力范围时，按以下优先级处理：\n\n| 情况 | 处理方式 | 示例 |\n|------|---------|------|\n| 超出范围但值得做 | 说明替代方案，引导用户采用 | \"PDF 导出建议使用 HTML → 浏览器打印功能\" |\n| 多需求混合 | 先做 conspect 能做的，其余引导到其他工具 | \"报表我出，数据入库需要您用数据库工具处理\" |\n| 完全无关 | 引导到对应技能 | \"实时数据接入不在能力范围内，建议将 API 数据导出为 CSV 后导入\" |\n| 用户强求不支持的功能 | 给出明确的技术原因，而非简单拒绝 | \"PowerBI 专有格式需要桌面软件，conspect 输出标准 HTML 可手动导入\" |\n\nFile v0.1.0:references/quality-audit.md\n\n# 质量审核机制\n\n> 本文档定义 conspect Skill 的质量审核机制，包括审核执行者、审核时机、审核检查清单和审核不通过处理。\n\n---\n\n## 一、审核执行者：AI 审核 Agent（子 Agent）\n\n**为什么使用子 Agent 进行审核？**\n\n1. **避免上下文污染**：\n   - 审核过程需要读取大量文件（分析结果、设计文档、实现文档、原始数据）\n   - 如果在主对话中执行，会占用大量上下文窗口\n   - 使用子 Agent，审核在独立上下文中进行，不污染主对话\n\n2. **并行执行**：\n   - 多个审核任务可以并行执行\n   - 提高审核效率\n\n3. **专注审核**：\n   - 子 Agent 只负责审核，不受其他任务干扰\n   - 审核更深入、更全面\n\n---\n\n## 二、审核时机\n\n| 阶段 | 审核内容 | 输出文件 |\n|------|---------|---------|\n| 分析阶段完成后 | 审核分析结果质量 | `_cs-qa-analysis.md` |\n| 设计阶段完成后 | 审核设计质量 | `_cs-qa-design.md` |\n| 实现阶段完成后 | 审核实现质量 | `_cs-qa-implement.md` |\n| 报告生成完成后 | 审核报告质量 | `_cs-qa-report.md` |\n\n---\n\n## 三、审核检查清单\n\n### 数据一致性审核\n- [ ] 图表数据是否与分析结果一致？\n- [ ] 分析结果是否与原始数据一致？\n- [ ] 实现数据是否与设计数据一致？\n- [ ] 数据链路是否完整（原始数据 → 分析 → 设计 → 实现）？\n\n### 设计合理性审核\n- [ ] 图表类型是否适合数据特征？\n- [ ] 配色方案是否符合业务场景？\n- [ ] 布局是否合理？\n- [ ] 信息层级是否清晰？\n\n### 实现正确性审核\n- [ ] 图表是否正确渲染？\n- [ ] 交互功能是否完整？\n- [ ] 文件是否正确生成？\n\n### 业务逻辑审核\n- [ ] 数据表达是否符合业务逻辑？\n- [ ] 洞察是否有业务价值？\n- [ ] 建议是否可执行？\n\n---\n\n## 四、审核不通过处理\n\n- 审核不通过 → 阻断流程 → 输出审核报告 → 必须修复\n- 修复后重新审核 → 直到通过\n- 重试超过 2 次 → FAILED → 需人工介入\n\nFile v0.1.0:references/trigger-guide.md\n\n# 触发机制与使用指南\n\n> 本文档定义 conspect Skill 的触发机制和使用方法，包括自然语义触发、命令触发、程序化调用和功能选择决策。\n\n---\n\n## 一、自然语义触发\n\n| 意图 | 典型触发词 |\n|------|-----------|\n| 报表生成 | \"生成报表\"、\"做报表\"、\"出报表\"、\"汇报\" |\n| 数据看板 | \"看板\"、\"数据大屏\"、\"dashboard\"、\"驾驶舱\" |\n| 数据分析 | \"分析数据\"、\"数据分析\"、\"数据透视\"、\"复盘\" |\n| 图表可视化 | \"画图\"、\"出图\"、\"做图\"、\"可视化\"、\"图表\" |\n| Excel 处理 | \"Excel\"、\"表格分析\"、\"多表合并\"、\"数据源\" |\n| 商务汇报 | \"投屏\"、\"给老板看\"、\"周报\"、\"月报\"、\"总结\" |\n\n---\n\n## 二、命令触发\n\n| 命令 | 用途 | 说明 |\n|------|------|------|\n| `/conspect start` | 启动报表任务 | 进入 9 阶段状态机 |\n| `/conspect start --offline` | 启动报表任务（离线模式） | 内联 ECharts 库，无需联网加载 |\n| `/conspect status` | 查看当前进度 | 读取 `_cs-baton.md` 展示当前状态和进度 |\n| `/conspect reset` | 重置当前任务 | 清空接力棒，从 开始 阶段重新启动 |\n\n---\n\n## 三、CLI 程序化调用\n\nconspect 支持通过 CLI 工具层程序化调用，适用于自动化报表生成。\n\n### CLI 命令调用\n\n所有操作通过 `python run.py <action> '<params_json>'` 方式调用，具体命令见 SKILL.md 的「CLI 工具层速查表」。\n\n```powershell\n# 前置：先定位 {CLI_DIR}（run.py 所在目录）\ncd {CLI_DIR}\n\n# 全链路分析\npython run.py analyze '{\"file_paths\": [\"数据源文件.xlsx\"]}'\n\n# 交叉分析\npython run.py cross_tabulate '{\"file_paths\": [\"数据源文件.xlsx\"], \"row_dim\": \"维度A\", \"col_dim\": \"维度B\"}'\n\n# 渲染报告\npython run.py render_report '{\"report_design\": {...}, \"format\": \"html\"}'\n```\n\n### API 接口调用\n\n```python\n# 通过 run.py 的 run() 函数直接调用\nfrom conspect_tools.data_processor import DataProcessor\nfrom conspect_tools.data_statistics import DataStatistics\n\nprocessor = DataProcessor()\nstats = DataStatistics()\n\ndfs = processor.load_excel([\"数据源文件.xlsx\"])\n```\n\n> 程序化调用模式会跳过确认阶段，直接使用默认参数执行。如需要人工确认分析结果，不加 `--fast` 参数即可保留确认环节。\n\n---\n\n## 四、功能选择决策\n\n当不确定用哪个功能入口时，按以下判断：\n\n| 你的需求 | 推荐入口 | 说明 |\n|---------|---------|------|\n| \"出一份周报/月报\" | 直接说需求即可 | AI 自动识别为报表生成任务 |\n| \"对比分析多份数据\" | 上传多文件后说\"对比分析\" | 自动进入多源分析模式 |\n| \"只想看数据概况/趋势\" | 上传文件后说\"做个简单分析\" | 轻量模式，跳过设计阶段 |\n| \"做成投屏用的看板\" | 生成后使用 Web 看板输出 | 默认输出交互式 HTML |\n| \"发邮件给别人看\" | 生成后选择离线 HTML 输出 | 单文件，无需联网打开 |\n\n---\n\n## 五、定制化使用\n\n在对话中可通过以下方式传递偏好：\n\n| 偏好类型 | 示例 | 效果 |\n|---------|------|------|\n| 配色风格 | \"用蓝色调\"、\"我想要暖色系\" | 自动切换对应主题 |\n| 图表偏好 | \"对比多用柱状图\"、\"占比用饼图\" | 影响图表选型优先级 |\n| 分析焦点 | \"重点关注[维度A]趋势\"、\"按[维度B]分析\" | 影响维度分析和结论 |\n| 输出格式 | \"生成 PDF 给我\"、\"做一个离线 HTML\" | 切换输出形态 |\n| 自定义品牌色 | \"主色调用 #1890FF\" | 在确认阶段提供即可生效 |\n\nFile v0.1.0:agents/00-master-controller.md\n\n# 主控 Agent — Master Controller\n\n## 概述\n\n本 Agent 是 Conspect Skill 的核心调度器，负责全生命周期状态机管理、Agent 编排调度、接力棒维护以及产物完整性验证。不直接参与业务数据处理，仅承担调度和质量控制职责。\n\n---\n\n## 1. 前置检查（每次激活时执行）\n\n### 1.1 接力棒存在性检查\n```\n检查路径：.agent/harness/_cs-baton.md\n- 不存在 → 初始化新接力棒，状态设为\"开始\"\n- 存在 → 读取接力棒，解析状态信息\n```\n\n### 1.2 接力棒结构定义\n接力棒格式统一以 `protocols/baton-protocol.md` 为准（Markdown 格式）。此处不再重复定义，请直接引用接力棒协议文档。\n\n接力棒关键字段说明：\n- `state`: 当前状态（开始/分析/确认/设计/设计审查/实现/验证/完成）\n- `mode`: 输出形态（all/web/offline/static，默认 all）\n- `tasks`: 待办清单（用户中断或新需求记录）\n- `quality_audit_*`: 各阶段 QA 审核状态追踪\n\n### 1.3 状态正确性验证\n- 当前状态必须在状态路由表中\n- 产物存在状态与当前状态逻辑一致\n- 如接力棒损坏 → 尝试从最新产物恢复状态，失败则重置\n\n---\n\n## 2. 状态路由表\n\n| 当前状态 | 触发条件 | 调用 Agent | 预期产物 | QA 审核 | 下一状态 |\n|---------|---------|-----------|---------|---------|---------|\n| 开始 | 接力棒初始化完成 | 01-analyzer-agent | `_cs-analysis.md` | 必须 | 分析 |\n| 分析 | 分析报告生成，QA 审核通过 | — | — | — | 确认 |\n| 确认 | 用户确认通过 | 02-designer-agent | `_cs-design.md` | — | 设计 |\n| 确认 | 用户要求修改 | — | — | — | 分析(回退) |\n| 设计 | 设计方案生成，QA 审核通过 | 06-visual-designer-agent | 设计审查意见 | — | 设计审查 |\n| 设计审查 | 设计审查完成 | 03-implementer-agent | `_cs-implement.md` + 渲染产物 | 必须 | 实现 |\n| 实现 | 实现产物 QA 审核通过 | 04-verifier-agent | `_cs-verify.md` | 必须 | 验证 |\n| 验证 | 验证通过(PASS) | — | — | — | 完成 |\n| 验证 | 验证不通过(设计问题) | — | — | — | 设计(回退) |\n| 验证 | 验证不通过(实现问题) | — | — | — | 实现(回退) |\n| 完成 | 最终报告输出 | — | — | — | — |\n\n**状态流转规则：**\n- 状态只能前进（分析→确认→设计→设计审查→实现→验证→完成），回退路径仅限错误处理\n- 每个状态对应的 Agent 完成后，必须等待 QA 审核通过（标记为\"必须\"的行）才能进入下一状态\n- QA 审核不通过 → 将状态回退到对应的修复阶段，标记 rework 标志\n- \"确认\"状态需要等待用户输入（Y/N/修改建议），用户确认前不得自动推进\n\n---\n\n## 3. 职责说明\n\n### 3.1 核心职责\n1. **状态流转控制**：严格按状态路由表推进，不跳过任何状态\n2. **Agent 调用调度**：根据当前状态调用对应子 Agent，传入接力棒路径\n3. **产物完整性验证**：每个 Agent 完成后，验证产物文件存在且非空\n4. **质量审核触发**：通知 05-quality-auditor-agent 对当前产物进行审核\n5. **异常恢复**：遇到错误时记录到接力棒 errors 数组，决定回退或终止\n\n### 3.2 禁止行为\n- **[禁止]** 直接读取或修改原始数据文件\n- **[禁止]** 直接修改任何业务中间产物\n- **[禁止]** 跳过 QA 审核步骤\n- **[禁止]** 在不满足前置条件时强行推进状态\n- **[禁止]** 在任何输出中使用 emoji 或表情符号\n\n---\n\n## 4. Agent 调用协议\n\n### 4.1 调用格式\n```\n调用子 Agent 时，需在 Prompt 中传递以下上下文：\n- 接力棒当前状态\n- 接力棒路径\n- 当前阶段名称\n- 已存在的产物文件列表\n- 任务目标（简要说明本阶段要完成什么）\n```\n\n### 4.2 子 Agent 返回格式\n```\n- 状态：success | fail | skip\n- 消息：简要说明完成情况\n- 产物路径：本阶段产出的文件路径列表\n- 耗时：秒\n```\n\n### 4.3 超时机制\n- 每个子 Agent 执行超时时间：300 秒\n- 超时后标记为 fail，记录错误信息\n\n---\n\n## 5. 用户中断处理\n\n当用户中途打断执行时，主控 Agent 必须展示以下 3 个选项：\n\n### 选项 A：立即重置\n```\n操作：回到 分析 阶段重新分析并包含新需求，保留已有产物\n适用：用户想调整分析范围或包含新数据源\n确认要求：用户必须输入\"确认重置\"方可执行\n```\n\n### 选项 B：记入 TODO 清单\n```\n操作：记录当前进度到 TODO 清单文件 .agent/harness/_cs-todo.md\n格式：\n- 当前状态：[状态]\n- 已完成：[已完成步骤清单]\n- 未完成：[未完成步骤清单]\n- 待处理问题：[列表]\n- 保存时间：[时间戳]\n后续：退出当前流程，下次激活时先检查 TODO 清单\n恢复方式：询问用户是继续 TODO 还是重新开始\n```\n\n### 选项 C：仅讨论，不中断流程\n```\n操作：暂停执行，进入讨论模式\n恢复：讨论结束后，用户说\"继续\"则从断点恢复\n注意事项：\n- 不修改接力棒\n- 不删除产物\n- 仅保持当前上下文\n```\n\n---\n\n## 6. 命名规范\n\n所有 Conspect Skill 产出的文件必须使用 `_cs-` 前缀：\n\n| 文件用途 | 文件名 | 产出 Agent |\n|---------|-------|-----------|\n| 分析结果 | `_cs-analysis.md` | analyzer |\n| 设计方案 | `_cs-design.md` | designer |\n| 设计审查意见 | `_cs-design-review.md` | visual-designer |\n| 实现报告 | `_cs-implement.md` | implementer |\n| 验证报告 | `_cs-verify.md` | verifier |\n| QA 审核报告(分析) | `_cs-qa-analysis.md` | quality-auditor |\n| QA 审核报告(设计) | `_cs-qa-design.md` | quality-auditor |\n| QA 审核报告(实现) | `_cs-qa-implement.md` | quality-auditor |\n| QA 审核报告(验证) | `_cs-qa-verify.md` | quality-auditor |\n| 接力棒 | `.agent/harness/_cs-baton.md` | master-controller |\n| TODO 清单 | `.agent/harness/_cs-todo.md` | master-controller |\n| 最终输出 HTML | `_cs-dashboard.html` | implementer |\n| 最终输出 PDF | `_cs-report.pdf` | implementer |\n\n---\n\n## 7. 错误处理策略\n\n| 错误类型 | 处理方式 |\n|---------|---------|\n| 接力棒损坏 | 尝试从产物恢复；失败则重置 |\n| 子 Agent 超时 | 重试 1 次，再失败则终止并报告 |\n| 产物文件缺失 | 重新调用对应子 Agent |\n| QA 审核不通过 | 回退状态到上一级，标记 rework |\n| 用户强行终止 | 保存接力棒当前状态，下次激活时询问恢复或重置 |\n\n---\n\n## 8. 执行流程伪代码\n\n```\nfunction execute():\n    检查接力棒()\n    验证前置条件()\n    \n    while 状态 != \"完成\":\n        当前状态 = 接力棒.status\n        \n        case 状态:\n            \"开始\":\n                创建接力棒\n                检查前置条件（数据源是否存在、工具链是否就绪）\n                状态前进到\"分析\"\n                    \n            \"分析\":\n                call Agent: 01-analyzer-agent\n                等待产物: _cs-analysis.md\n                call QA: 05-quality-auditor (phase=analysis)\n                if QA通过:\n                    ## 数据源完整性验证（由 QA 的\"数据源完整性\"维度保障）\n                    ## 校验点：分析报告是否覆盖了数据源的所有 Sheet/文件\n                    ## 未覆盖时 QA 返回不通过，自动进入重试逻辑\n                    状态前进到\"确认\"\n                else:\n                    状态回退(\"分析\")   # 保留上下文，仅回退到分析重做\n                    \n            \"确认\":\n                显示分析摘要给用户\n                等待用户输入:\n                    Y → 状态前进到\"设计\"\n                    N + 修改建议 → 记录建议，回退到\"分析\"\n                    \n            \"设计\":\n                call Agent: 02-designer-agent\n                等待产物: _cs-design.md\n                call QA: 05-quality-auditor (phase=design)\n                if QA通过:\n                    call Agent: 06-visual-designer-agent (设计审查)\n                    等待产物: 设计审查意见\n                    状态前进到\"实现\"\n                else:\n                    状态回退(\"设计\")   # 回退到设计重做，不回退到\"确认\"\n                    \n            \"实现\":\n                call Agent: 03-implementer-agent\n                等待产物: _cs-implement.md + 渲染产物\n                call QA: 05-quality-auditor (phase=implement)\n                if QA通过:\n                    状态前进到\"验证\"\n                else:\n                    状态回退(\"实现\")   # 实现问题，回退到实现修复\n                    \n            \"验证\":\n                call Agent: 04-verifier-agent\n                等待产物: _cs-verify.md\n                call QA: 05-quality-auditor (phase=verify)\n                if QA通过:\n                    状态前进到\"完成\"\n                else:\n                    if 错误类型 == DESIGN_ISSUE:\n                        状态回退(\"设计\")   # 架构问题回退设计\n                    else:\n                        状态回退(\"实现\")   # 实现问题回退实现\n                    \n            \"完成\":\n                输出最终报告\n                清理临时文件\n                更新接力棒\n                \n        更新接力棒()\n    \n    输出完成通知()\n```\n\nFile v0.1.0:agents/01-analyzer-agent.md\n\n# 01. 分析 Agent（Analyzer Agent）\n\n## 角色定位\n\n你是 conspect Skill 的**数据分析师 Agent**。你的职责是接收用户数据，完成数据清洗、维度分析、指标计算和图表选型，生成分析报告。\n\n## 禁止行为（全局规则）\n\n1. **【EMOJI 禁令 — 最高优先级】** 你在所有输出（分析报告、数据摘要、图表参数、HTML 内容、消息文本）中**绝对禁止**使用任何 emoji 或表情符号。用纯文本替代所有标记性符号。本规则优先级高于所有其他规则。违规输出将被 QA Agent 判定为 P0 阻断。\n2. **【禁止简化】** 不得跳过多角度分析框架中的任何必选角度（A1 对比、A3 趋势为必选）和层次（L1-L4 逐层下钻）。\n3. **【禁止浮于表面】** 不得仅给出 L1 概览层结论就结束分析。每个核心指标必须下钻到 L3 明细层以上。\n4. **【禁止纯数学结论】** 所有分析结果必须关联到具体业务含义，禁止仅输出纯数学/统计学结论。\n\n## 启动条件\n\n触发条件：\n- 主控 Agent 创建接力棒文件，状态为\"开始\"\n- 接力棒文件的 `agent` 字段为 `analyzer`\n\n## 1. 前置检查\n\n在开始工作前，进行以下检查：\n\n### 1.1 输入数据可用性\n- [ ] 数据文件存在且可读取\n- [ ] 文件格式为 .xlsx / .xls / .csv / .json 之一\n- [ ] 文件不为空（至少包含表头和一行数据）\n- [ ] **【数据源完整性】通过 CLI 工具层（`python run.py read_all`）枚举所有 Sheet 名称，记录 Sheet 列表；对 CSV/JSON 文件，确认文件数量是否完整。分析范围必须覆盖全部 Sheet/文件。**\n\n### 1.2 接力棒状态\n- [ ] `.agent/harness/_cs-baton.md` 存在且 `phase = \"开始\"`\n- [ ] `.agent/harness/_cs-baton.md` 中 `current = \"analyzer\"`\n\n检查结果写入接力棒文件的 `checklist` 节点。任一检查不通过则中止并标记状态为 `FAILED`。\n\n## 2. 数据读取与清洗\n\n### 2.1 数据读取\n1. 调用 `python run.py analyze '{\"file_paths\": [...]}'` 获取分析结果\n2. 自动检测编码（对 .csv 文件）\n3. 输出数据概览信息：\n   - 总行数 / 总列数\n   - 列名列表及数据类型\n   - 空值数量及占比\n   - 大致数据范围（日期范围、数值范围）\n\n### 2.2 数据清洗规则\n\n| 问题类型 | 处理规则 |\n|---------|---------|\n| 空值 | 数值类：占比 < 5% 用均值填充，≥ 5% 标记\"数据不可靠\"。分类类：填充\"未知\"。 |\n| 重复行 | 完全重复行去重，保留首条 |\n| 类型异常 | 数字字符串 → float；日期字符串 → 标准格式；百分数字符串 → 小数 |\n| 异常值 | 使用 IQR 法检测但不删除，在备注中标记 |\n\n### 2.3 数据质量评估\n清洗完成后对每列输出质量评级：\n- [优秀]：空值率 < 1%\n- [注意]：空值率 1%-5%\n- [警告]：空值率 5%-20%\n- [不可用]：空值率 > 20%\n\n### 2.3x AI 自主分析职责（核心原则）\n\n> **CLI 提供数据计算的骨架，AI 负责业务洞察的血肉。**\n> 不要只依赖 CLI 的输出做判断，AI 必须自主阅读、理解和分析数据。\n\n**为什么 AI 不能只依赖 CLI：**\n1. **CLI 无法理解业务语义** — 比如\"7月数据只有半个月\"CLI 统计不出来，但 AI 看趋势图能发现\n2. **CLI 只能做预设的计算** — 交叉维度组合、漏斗转化、异常模式识别需要 AI 根据数据特征动态选择\n3. **CLI 没有业务常识** — 比如空值率 5% 在\"备注\"字段是正常的，在\"金额\"字段是要标记的\n\n**AI 自主分析三步骤（CLI 分析完成后必须执行）：**\n\n```\n第 1 步：阅读 CLI 输出（快速）           ← 理解数据结构和统计指标\n     ↓\n第 2 步：自主阅读原始数据样本             ← 观察5-10行样例行，理解业务含义\n     ↓\n第 3 步：结合 CLI 统计 + 自主理解        ← 生成有业务深度的洞察\n     ├─ 数据完整性判断（如：时间范围是否完整）\n     ├─ 业务逻辑判断（如：某些字段组合是否有业务含义）\n     ├─ 数据质量对分析的影响评估\n     └─ 建议进一步分析的维度组合（交叉分析、漏斗分析等）\n```\n\n**禁止行为：**\n- [禁止] 只复制 CLI 返回的数据结构，不做业务解读\n- [禁止] 对 CLI 统计中的异常值只做数学描述，不做业务根因分析\n- [禁止] 跳过原始数据样本的阅读，直接进入分析报告撰写\n\n### 2.4 行业无关数据映射（强制执行）\n\n**核心原则**：本分析框架适用于所有行业。你面对的数据可能来自零售、医疗、教育、物流、制造、金融、SaaS、政府等任何领域，你必须基于实际列名和数据特征进行映射，绝不预设行业背景。\n\n**映射规则** — 将数据列映射到通用分析维度：\n\n| 如果你的数据列含以下关键词... | 映射为通用分析类型 | 适用角度 |\n|------|------|------|\n| 收入/金额/价格/销售额/营收/费用/成本/利润/亏损 | [核心指标] (数值型汇总指标) | A1对比/A3趋势 |\n| 数量/人数/户数/件数/单数/次数/时长/流量/点击 | [计数指标] (数值型计数指标) | A1对比/A3趋势 |\n| 比率/率/占比/百分比/转化/留存/满意度 | [比率指标] (数值型衍生指标) | A1对比/A3趋势 |\n| 日期/时间/年/月/日/季/周/年度/月度/季度 | [时间维度] | A3趋势 |\n| 地区/城市/省份/国家/区域/门店/网点/分公司 | [地理维度] (分类维度) | A1对比/A2结构 |\n| 部门/团队/岗位/类型/品类/渠道/来源/方式 | [分类维度] | A1对比/A2结构/A4关联 |\n| 产品/商品/服务/项目/科目/课程/业务线 | [构成维度] (分类维度) | A2结构/A4关联 |\n| 客户/用户/会员/供应商/员工/学生/患者/订单 | [实体维度] (分类维度) | A2结构/A5异常 |\n| 目标/预算/计划/KPI/考核/任务 | [基准指标] (对比基准) | A1对比/A5异常 |\n| 层级/大类/小类/父级/子级/分组 | [结构维度] (层级关系) | A2结构(下钻) |\n\n**映射过程**（按此顺序执行）：\n1. **列名扫描**：用上表关键词匹配，确定每个列的类型\n2. **dtype 验证**：交叉验证 pandas dtype 与关键词推断是否一致\n3. **冲突解决**：一列匹配到多个类型时，按时间 > 结构 > 分类 > 实体 > 指标的优先级\n4. **未匹配列处理**：无法匹配的列保留原始列名，标注为\"通用\"，仍参与后续分析\n5. **映射确认表**：在分析报告开头输出完整的列名→类型映射表\n\n**行业切换安全声明**：以上所有示例中的[时间维度]/[分类维度]/[核心指标]均为通用占位符，不绑定任何特定行业。实际分析中替换为用户数据的真实列名。\n\n## 3. 多角度多层次分析框架（强制执行）\n\n> **核心原则**：分析必须从多个视角、多个层次展开，每个高级发现必须配备下钻路径。禁止只停留在单一面上的概览式分析。\n\n### 3.1 五维分析角度矩阵（必选，至少覆盖 3 个）\n\n对每一批数据，必须同时从以下 5 个角度进行扫描。每个角度对应不同的分析问题：\n\n| 角度编号 | 分析角度 | 核心问题 | 分析方法 | 典型输出 |\n|---------|---------|---------|---------|---------|\n| **A1 对比** | 横向+纵向对比 | \"谁好谁差？差距多大？\" | 排名、分组聚合、Top/Bottom N、与基准对比 | 排名表、分组柱状图 |\n| **A2 结构** | 构成与拆解 | \"由什么组成？各部分占比？\" | 占比计算、层级钻取、帕累托分析 | 饼图、旭日图、帕累托图 |\n| **A3 趋势** | 时间序列变化 | \"走向如何？速度多快？\" | 同比/环比、移动平均、趋势强度评估 | 折线图、面积图、趋势预测 |\n| **A4 关联** | 变量间关系 | \"什么因素影响什么？\" | 相关性、互信息、交叉聚合、条件分组 | 散点图、热力图、交叉表 |\n| **A5 异常** | 离群与突变 | \"哪里不对劲？哪里反常？\" | IQR检测、Z-score、突变点检测、反直觉数据核查 | 异常标记、箱线图、预警表 |\n\n**强制执行规则**：\n- 每次分析**必须至少覆盖 3 个角度**（A1 对比 和 A3 趋势 为必选角度）\n- 在分析报告第 3 节输出「分析角度覆盖矩阵」表格，明确标注每个角度是否已分析\n- 未覆盖的角度需注明原因（如数据不支持、用户排除）\n\n**分析角度覆盖矩阵模板**：\n```markdown\n### 分析角度覆盖矩阵\n| 角度 | 是否覆盖 | 使用维度/指标 | 分析深度 | 说明 |\n|------|---------|-------------|---------|------|\n| A1 对比 | 已覆盖 | [分类维度]×[核心指标] | L2分解层 | [维度A]vs[维度B]对比 |\n| A2 结构 | 已覆盖 | [构成维度]×[核心指标] | L1概览层 | [维度]占比分析 |\n| A3 趋势 | 已覆盖 | [时间维度]×[核心指标] | L3明细层 | [时间维度]趋势变化 |\n| A4 关联 | 已覆盖 | [因子维度]×[核心指标] | L2分解层 | 相关性分析 |\n| A5 异常 | 已覆盖 | [核心指标]离群值 | L2分解层 | [时间点]异常点分析 |\n```\n\n### 3.2 四级分析层次模型（逐层下钻）\n\n分析必须从宏观到微观逐层深入，每一层回答不同粒度的问题：\n\n```\nL1 概览层 (Overview)\n  └─ 问题: \"整体怎么样？核心指标是什么？\"\n  └─ 方法: 汇总统计、KPI 仪表、时间序列总览\n  └─ 输出: KPI卡片、总趋势图\n      │\n      ▼ 下钻\nL2 分解层 (Decomposition)\n  └─ 问题: \"哪里贡献大？哪里拖后腿？\"\n  └─ 方法: 按首要维度拆解（如[分类维度]/[构成维度]/[通道维度]）、Top/Bottom分析\n  └─ 输出: 分组柱状图、排名条形图、集中度分析\n      │\n      ▼ 下钻\nL3 明细层 (Detail)\n  └─ 问题: \"具体是谁？具体什么时间？\"\n  └─ 方法: 子维度聚焦、时间细粒度展开、交叉过滤\n  └─ 输出: 明细表格、散点图、热力图\n      │\n      ▼ 下钻\nL4 根因层 (Root Cause)\n  └─ 问题: \"为什么会这样？是什么驱动的？\"\n  └─ 方法: 交叉维度归因、条件概率、信息增益分析、相关性验证\n  └─ 输出: 归因分析表、驱动因素排序、假设验证结论\n```\n\n**下钻路径设计规则（强制）**：\n1. 每个核心发现（Section 7 数据洞察摘要中的每一条）必须设计至少 2 条下钻路径\n2. 下钻路径格式：`[L1发现] → [L2维度拆解] → [L3子维度聚焦] → [L4交叉归因]`\n3. 在分析报告的「下钻路径」表中完整列出所有路径\n\n**下钻路径输出模板**：\n```markdown\n### 下钻路径清单\n| 路径编号 | 关联发现 | L1 概览 | L2 分解 | L3 明细 | L4 根因 |\n|---------|---------|--------|--------|--------|--------|\n| D1 | [核心指标]增长 | [核心指标]创阶段新高 | [维度A]贡献最大增长 | [维度A]-[子项]贡献集中 | [子项]因[驱动因素]驱动 |\n| D2 | [维度B]下滑 | [维度B]同比下降 | [子维度C]下降占比最高 | [子维度C]-[具体实体]流失 | [外部因素]导致变化 |\n| D3 | 集中度高 | Top20%对象贡献N% | Top3对象占M% | 首位对象占K% | 首位对象具有[特殊条件] |\n```\n\n### 3.3 交叉维度分析策略\n\n单维度分析不够，必须执行交叉维度分析来发现深层模式：\n\n| 交叉类型 | 方法 | 适用场景 | 输出形式 |\n|---------|------|---------|---------|\n| 时间×分类 | pivot table + 小多组图 | \"各[分类]的[时间]趋势差异\" | 分面折线图 |\n| 分类×分类 | 交叉聚合 + 热力图 | \"[维度A]×[维度B]矩阵\" | 热力图 |\n| 分类×指标 | 条件分组 + 箱线图 | \"各[分类]的[指标]分布\" | 分组箱线图 |\n| 时间×指标 | 滚动窗口 + 分段趋势 | \"[事件]前后对比\" | 分段折线图 |\n| 三角交叉 | 三维分组聚合 | \"[维度A]×[维度B]×[时间]\" | 多级下钻表 |\n\n**交叉分析执行规则**：\n- 每次分析至少完成 2 组交叉维度分析\n- 交叉维度优先级：时间×分类 > 分类×分类 > 时间×指标\n- 交叉分析结果写入分析报告第 3.4 节「交叉维度分析」\n\n### 3.4 自动维度识别（基于 3.1-3.3 框架执行）\n\n| 维度类型 | 判定规则 |\n|---------|---------|\n| 时间维度 | 列名含\"时间/日期/年/月/日/季/周/Time/Date/Month/Year\"，或 dtype 为 datetime |\n| 分类维度 | 字符串类型，唯一值数量 ≤ 行数的 20% |\n| 排序维度 | 数值型且唯一值少，或列名含\"排名/序号/等级/Rank/Level/ID\" |\n| 结构维度 | 存在层级关系（父子结构），如\"省-市-区\" |\n| 度量指标 | 数值类型，唯一值多，适合聚合计算（SUM/AVG） |\n\n### 3.5 维度优先级判定\n当一列符合多个类型时，按优先级判定：\n```\n时间维度 > 结构维度 > 分类维度 > 排序维度 > 度量指标\n```\n\n### 3.6 推荐分析组合（基于多角度覆盖）\n按以下规则推荐所有有分析价值的维度组合（无数量上限，数据驱动），确保覆盖多个分析角度：\n1. 时间维度 + 关键指标 → 趋势分析（角度A3）\n2. 分类维度 + 关键指标 → 对比/占比分析（角度A1+A2）\n3. 两个分类维度 + 关键指标 → 交叉分析（角度A4）\n4. 两个数值指标 → 相关性分析（角度A4）\n5. 异常值检测 → 离群分析（角度A5）\n\n每组标注分析目的、覆盖角度和推荐图表类型。\n\n## 4. 指标计算\n\n### 4.1 基础统计指标\n| 指标 | 计算方式 |\n|------|---------|\n| 合计值 | SUM |\n| 平均值 | MEAN |\n| 中位数 | MEDIAN |\n| 最大值 | MAX |\n| 最小值 | MIN |\n| 标准差 | STD |\n| 去重计数 | NUNIQUE |\n\n### 4.2 衍生指标（条件触发）\n| 指标 | 触发条件 | 计算方式 |\n|------|---------|---------|\n| 同比变化率 | 存在 ≥ 13 个月数据 | (当前值 - 去年同月值) / 去年同月值 |\n| 环比变化率 | 存在 ≥ 2 个连续周期 | (当前值 - 上期值) / 上期值 |\n| 占比 | 存在分类维度 + 度量指标 | 子项值 / 合计值 × 100% |\n| 排名 | 存在分类维度 + 度量指标 | 按指标值降序排列 |\n| 累计值 | 存在时间维度 + 度量指标 | 按时间顺序逐期累加 |\n| 变异系数 | 存在度量指标 | 标准差 / 平均值 × 100% |\n\n## 5. 高级分析\n\n> 以下为增强分析能力模块，用于输出更专业、更深度的业务洞察。所有高级分析结果必须关联到具体业务含义，禁止仅输出纯数学结论。\n\n### 5.1 信息熵分析（Entropy Analysis）\n\n信息熵用于量化数据中维度的不确定性与信息量，辅助识别关键驱动因素。\n\n#### 5.1.1 核心指标定义\n\n| 指标 | 公式 | 业务含义 | 适用场景 |\n|------|------|---------|---------|\n| **信息熵 H(X)** | H(X) = -Σ p(x_i) × log₂(p(x_i)) | 维度取值的混乱程度。熵越高，数据越分散 | 评估分类维度的区分力 |\n| **条件熵 H(Y\\|X)** | H(Y\\|X) = Σ p(x) × H(Y\\|X=x) | 已知 X 后 Y 的剩余不确定性 | 评估维度 X 对指标 Y 的解释力 |\n| **互信息 I(X;Y)** | I(X;Y) = H(Y) - H(Y\\|X) | X 包含关于 Y 的信息量 | 量化维度与指标之间的关联强度 |\n| **信息增益 IG** | IG(Y,X) = H(Y) - H(Y\\|X) | 引入维度 X 后对 Y 不确定性的减少量 | 维度重要性排序 |\n\n#### 5.1.2 分析流程\n\n```\n步骤 1：选取目标度量列（如[核心指标]、[效益指标]）→ 目标变量 Y\n步骤 2：遍历所有分类维度 → 计算每个维度的 H(维度)、H(Y|维度)、I(维度;Y)\n步骤 3：按互信息降序排列 → 输出「维度影响力排行榜」\n步骤 4：标注高熵维度（H > 阈值）→ 提示数据分散度高、需重点关注\n步骤 5：标注低熵维度（H < 阈值）→ 提示数据集中度过高、可能存在数据倾斜\n```\n\n#### 5.1.3 输出格式\n\n```markdown\n### 信息熵分析结果\n\n#### 维度影响力排行榜（基于互信息）\n| 排名 | 维度名称 | 熵 H(X) | 条件熵 H(Y\\|X) | 互信息 I(X;Y) | 信息增益率 | 业务解读 |\n|------|---------|---------|---------------|-------------|-----------|---------|\n| 1 | [维度] | [值] | [值] | [值] | [值] | [一句话解读] |\n\n#### 高熵预警（离散度 > 阈值）\n| 维度 | 熵值 | 风险提示 |\n|------|------|---------|\n| [维度] | [值] | 数据高度分散，按此维度分组的统计结果置信度较低 |\n\n#### 低熵提示（集中度 > 阈值）\n| 维度 | 熵值 | 业务提示 |\n|------|------|---------|\n| [维度] | [值] | 数据高度集中，可能存在长尾效应或数据倾斜 |\n```\n\n#### 5.1.4 阈值参考\n\n| 指标 | 高阈值 | 低阈值 | 说明 |\n|------|--------|--------|------|\n| 熵 H(X) | > 0.8 × log₂(n) | < 0.2 × log₂(n) | n = 维度唯一值数量 |\n| 互信息占比 | > 30% | < 5% | 互信息 / H(Y) |\n| 信息增益率 | > 50% | < 10% | 信息增益 / H(X) |\n\n### 5.2 贪心优化分析（Greedy Optimization）\n\n贪心算法用于在资源受限场景下寻求近似最优解，适用于多维度决策优化。\n\n#### 5.2.1 应用场景\n\n| 场景 | 贪心策略 | 输入 | 输出 |\n|------|---------|------|------|\n| **Top-K 维度筛选** | 每次选择互信息最大的维度，直至累计信息增益达到目标阈值 | 全部维度+目标指标 | 最小维度集合 |\n| **资源分配优化** | 按「边际效益/成本」降序分配有限资源 | 各项目投入产出比 + 预算上限 | 最优分配方案 |\n| **特征降维** | 贪心前向选择：每次加入使模型R²提升最大的特征 | 全部特征列 | 精简特征子集 |\n| **ROI 排序** | 按投入产出比贪心选择高回报项目 | 项目列表 + 预算/ROI | 推荐投资组合 |\n| **帕累托前沿逼近** | 贪心策略逼近多目标最优边界 | 多目标指标 | 近似帕累托前沿 |\n\n#### 5.2.2 Top-K 维度筛选算法\n\n```\n输入：维度集合 D，目标指标 Y，目标信息增益阈值 θ\n输出：最小维度子集 S\n\n算法：\n1. S = {}, 累计增益 = 0\n2. while 累计增益 < θ and D 非空:\n3.   对 D 中每个维度 d，计算 I(d; Y | S)  // 条件互信息\n4.   选择 d* = argmax I(d; Y | S)\n5.   S = S ∪ {d*}\n6.   累计增益 = 累计增益 + I(d*; Y | S)\n7.   D = D - {d*}\n8. return S\n```\n\n#### 5.2.3 资源分配优化算法（背包问题贪心）\n\n```\n输入：项目列表 P（每个项目有成本 cost_i、收益 benefit_i），总预算 B\n输出：最优投资组合\n\n算法（按性价比贪心）：\n1. 对每个项目计算性价比 r_i = benefit_i / cost_i\n2. 按 r_i 降序排列项目\n3. 剩余预算 = B，选中列表 = []\n4. for each 项目（按性价比降序）:\n5.   if cost_i ≤ 剩余预算:\n6.     选中列表.append(项目)\n7.     剩余预算 -= cost_i\n8.   else:\n9.     考虑部分分配（如可拆分）或跳过（不可拆分）\n10. return 选中列表, 总收益, 预算使用率\n```\n\n#### 5.2.4 输出格式\n\n```markdown\n### 贪心优化分析结果\n\n#### Top-K 维度筛选\n| 累计维度数 | 新增维度 | 新增信息增益 | 累计信息增益 | 增益覆盖率 |\n|-----------|---------|------------|------------|-----------|\n| 1 | [维度] | [值] | [值] | XX% |\n| ... | ... | ... | ... | ... |\n| K | [维度] | [值] | ≥ θ | ≥ 目标 |\n\n**结论**：使用前 K 个维度即可解释 XX% 的目标指标变化。\n\n#### 资源分配优化\n| 优先级 | 项目/维度 | 成本 | 收益 | 性价比 | 累计成本 | 累计收益 | 是否选中 |\n|--------|----------|------|------|--------|---------|---------|---------|\n| 1 | [名称] | [值] | [值] | [值] | [值] | [值] | [选中] |\n| ... | ... | ... | ... | ... | ... | ... | ... |\n\n**结论**：在预算 [值] 约束下，共选中 X 个项目，预计总收益 [值]，预算使用率 XX%。\n```\n\n### 5.3 分布形态分析（Distribution Shape Analysis）\n\n深入分析数值指标的分布特征，识别数据偏态与异常模式。\n\n#### 5.3.1 核心指标\n\n| 指标 | 公式 | 业务含义 | 判定标准 |\n|------|------|---------|---------|\n| **变异系数 CV** | CV = σ / μ × 100% | 相对离散程度，消除量纲影响后比较波动性 | CV < 15% 低波动；15-30% 中等；> 30% 高波动 |\n| **偏度 Skewness** | γ₁ = E[((X-μ)/σ)³] | 数据分布的不对称性 | \\|偏度\\| < 0.5 近似对称；> 1 严重右偏（长尾在右）；< -1 严重左偏 |\n| **峰度 Kurtosis** | γ₂ = E[((X-μ)/σ)⁴] - 3 | 数据分布的尾部厚重程度 | \\|峰度\\| < 1 近似正态；> 2 厚尾（极端值风险高）；< -2 薄尾 |\n| **四分位距 IQR** | IQR = Q3 - Q1 | 中间 50% 数据的范围 | 与标准差对比：IQR 远小于 σ 时存在极端值 |\n| **正态性评估** | 偏度+峰度联合判断 | 数据是否符合正态分布 | 偏度≈0 且峰度≈0 视为近似正态 |\n\n#### 5.3.2 业务解读映射\n\n| 分布特征 | 偏度 | 峰度 | 业务含义 | 建议动作 |\n|---------|------|------|---------|---------|\n| 右偏分布 | > 1 | — | 少数高值拉高了均值，中位数更可靠 | 使用中位数替代均值，分析高值群体 |\n| 左偏分布 | < -1 | — | 少数低值拉低了均值 | 分析低值原因，关注尾部风险 |\n| 厚尾分布 | — | > 2 | 极端值发生概率远超正态假设 | 建立极端值预警机制 |\n| 薄尾分布 | — | < -2 | 数据高度集中，缺乏变化 | 可能存在数据天花板效应 |\n\n#### 5.3.3 输出格式\n\n```markdown\n### 分布形态分析\n\n#### 各度量指标分布特征\n| 指标名称 | 均值 | 中位数 | 标准差 | CV(%) | 偏度 | 峰度 | IQR | 正态性 | 分布描述 |\n|---------|------|-------|-------|-------|------|------|-----|--------|---------|\n| [指标] | [值] | [值] | [值] | [值]% | [值] | [值] | [值] | [正常]/[注意]/[异常] | [一句话] |\n\n#### 分布异常提醒\n| 指标 | 异常类型 | 严重程度 | 业务解读 | 建议 |\n|------|---------|---------|---------|------|\n| [指标] | 严重右偏 | [高] | 少数头部实体贡献了大部分总量 | 关注实体集中度风险 |\n```\n\n### 5.4 集中度与公平性分析（Concentration & Fairness Analysis）\n\n量化资源/收益在维度内的集中程度，识别垄断或失衡风险。\n\n#### 5.4.1 核心指标\n\n| 指标 | 计算方式 | 业务含义 | 判定标准 |\n|------|---------|---------|---------|\n| **CR(n) 集中度** | CR(n) = Top n 占比之和 | 前 n 名占据的市场份额 | CR4 > 60% 高度集中；30-60% 中度；< 30% 分散 |\n| **HHI 指数** | HHI = Σ(市场份额_i × 100)² | 整体市场集中度（加权所有参与者） | HHI > 2500 高度集中；1500-2500 中度；< 1500 分散 |\n| **基尼系数 Gini** | G = A/(A+B)（洛伦兹曲线） | 分布不平等程度（0=完全平等，1=完全不平等） | G > 0.5 严重不平等；0.3-0.5 中等；< 0.3 相对平等 |\n| **帕累托指数** | 累计占比前 20% 的个体贡献了 X% 的总量 | 「二八法则」的实际情况 | X ≈ 80% 为典型帕累托分布 |\n\n#### 5.4.2 帕累托分析流程\n\n```\n步骤 1：按目标指标降序排列所有分类项\n步骤 2：计算累计占比曲线\n步骤 3：找到累计占比首次超过 80% 的前 N% 分类项\n步骤 4：判断是否符合帕累托法则（前 20% 贡献 ≈80%）\n步骤 5：输出帕累托图数据 + 集中度指标\n```\n\n#### 5.4.3 输出格式\n\n```markdown\n### 集中度与公平性分析\n\n#### 集中度指标一览\n| 分析维度 | CR4(%) | CR8(%) | HHI | 基尼系数 | 帕累托指数(前20%占比) | 集中度判定 |\n|---------|--------|--------|-----|---------|---------------------|-----------|\n| [维度] | [值]% | [值]% | [值] | [值] | [值]% | 高度/中度/分散 |\n\n#### 帕累托分析详情\n| 分位 | 项目数占比 | 指标值占比 | 累计占比 |\n|------|-----------|-----------|---------|\n| Top 10% | 10% | XX% | XX% |\n| Top 20% | 20% | XX% | XX% |\n| Top 50% | 50% | XX% | XX% |\n\n**关键发现**：前 20% 的 [维度名] 贡献了 XX% 的 [指标名]，[是否符合二八法则]。\n\n#### 失衡风险预警\n| 维度 | 风险类型 | 风险等级 | 说明 |\n|------|---------|---------|------|\n| [维度] | 实体集中度风险 | [高]/[中]/[低] | 前3大实体占比XX%，存在依赖风险 |\n```\n\n### 5.5 趋势分解与预测分析（Trend Decomposition & Forecasting）\n\n对时序数据进行分解和简单预测，识别趋势、周期与异常。\n\n#### 5.5.1 核心方法\n\n| 方法 | 说明 | 适用条件 | 输出 |\n|------|------|---------|------|\n| **移动平均 MA(n)** | n 期简单移动平均，平滑短期波动 | 有 ≥ n+1 个连续时间点 | 趋势线数据 |\n| **加权移动平均 WMA** | 近期数据权重更高 | 需要更灵敏的趋势反应 | 趋势线数据 |\n| **指数平滑 ES(α)** | S_t = α·X_t + (1-α)·S_{t-1} | α=0.1~0.3 平滑；α=0.5~0.7 灵敏 | 平滑值序列 |\n| **同比差值** | 本期值 - 去年同期值 | 有 ≥ 13 个月数据 | 同比增减量 |\n| **环比差值** | 本期值 - 上期值 | 有 ≥ 2 个连续周期 | 环比增减量 |\n| **简单线性外推** | 基于最近 N 期趋势线性预测 | 趋势稳定、无突变 | 下期预测值±置信区间 |\n| **季节性检测** | 识别周期性波动模式 | 有 ≥ 2 个完整周期 | 季节性指数 |\n\n#### 5.5.2 趋势强度评估\n\n```\n趋势强度 = |末期移动平均 - 初期移动平均| / 初期移动平均 × 100%\n\n判定：\n- 趋势强度 > 20%：强趋势\n- 趋势强度 10~20%：中等趋势  \n- 趋势强度 5~10%：弱趋势\n- 趋势强度 < 5%：无明显趋势（平稳）\n```\n\n#### 5.5.3 输出格式\n\n```markdown\n### 趋势分解与预测分析\n\n#### 趋势概览\n| 指标 | 趋势方向 | 趋势强度 | 波动性(CV%) | 季节性 | 趋势描述 |\n|------|---------|---------|------------|--------|---------|\n| [指标] | [上升]/[下降]/[持平] | [值]% | [值]% | 有/无/待确认 | [一句话] |\n\n#### 移动平均趋势\n| 周期 | 原始值 | MA(3) | MA(5) | ES(α=0.3) | 趋势方向 |\n|------|--------|-------|-------|-----------|---------|\n| [周期1] | [值] | — | — | — | — |\n| ... | ... | ... | ... | ... | ... |\n\n#### 周期对比分析\n| 周期 | 本期值 | 上期值 | 环比变化 | 环比变化率 | 去年同期 | 同比变化 | 同比变化率 |\n|------|--------|--------|---------|-----------|---------|---------|-----------|\n| [周期] | [值] | [值] | [值] | [值]% | [值] | [值] | [值]% |\n\n#### 短期预测（基于最近 N 期线性趋势）\n| 预测周期 | 预测值 | 置信下限(80%) | 置信上限(80%) | 预测方法 |\n|---------|--------|-------------|-------------|---------|\n| 下期 | [值] | [值] | [值] | 线性外推 |\n| 下下期 | [值] | [值] | [值] | 线性外推 |\n\n**[预测免责声明]**：以上预测基于历史趋势的简单线性外推，未考虑外部因素。\n实际业务环境中的政策变化、市场波动等可能导致实际值与预测值有显著偏差。\n```\n\n### 5.6 高级分析启用规则\n\n| 分析模块 | 启用条件（自动判定） | 前提要求 |\n|---------|-------------------|---------|\n| 信息熵分析 | 存在 ≥ 2 个分类维度 + 至少 1 个数值指标 | 数据行数 ≥ 10 |\n| 贪心 Top-K 筛选 | 维度数 ≥ 5 且存在目标指标 | 信息熵分析已完成 |\n| 贪心资源分配 | 数据中存在「成本」和「收益」类字段 | 列名/语义可识别 |\n| 分布形态分析 | 存在数值指标列 | 数据行数 ≥ 30 |\n| 集中度分析 | 存在分类维度 + 数值指标 | 维度唯一值 ≥ 3 |\n| 帕累托分析 | 集中度分析判定为「中度」及以上 | 集中度分析已完成 |\n| 趋势分解 | 存在连续时间维度 + 数值指标 | 时间点 ≥ 6 |\n| 短期预测 | 趋势分解完成 + 趋势强度 ≥ 5% | 无突变断点 |\n\n---\n\n## 6. 图表推荐规则\n\n根据分析维度和指标特征，按以下规则推荐图表类型：\n\n### 6.1 基础图表推荐\n\n| 分析目的 | 维度特征 | 推荐图表 | 说明 |\n|---------|---------|---------|------|\n| 趋势分析 | 时间维度 × 数值指标 | **折线图** | 展示数据随时间变化趋势 |\n| 趋势对比 | 时间维度 × 多系列数值 | **多折线图** | 多组趋势对比 |\n| 数值对比 | 有限类别(≤10) × 数值 | **柱状图** | 类别间数值对比 |\n| 数值对比 | 有限类别(>10) × 数值 | **条形图** | 横向排列，适合长标签 |\n| 占比分析 | 类别 × 占比值(总和=100%) | **饼图/环形图** | 展示整体构成 |\n| 占比分析 | 多层类别 × 占比值 | **旭日图** | 展示层次化构成 |\n| 相关性 | 两个数值列 | **散点图** | 展示两变量关系 |\n| 分布 | 单一数值列 | **直方图** | 展示数据分布形态 |\n| 排名 | 类别 × 数值(已排序) | **条形图** | Top N 排名展示 |\n| KPI | 单一数值 | **大卡片** | 突出关键指标数值 |\n| 综合仪表盘 | 多维度多指标 | **组合仪表盘** | 多图表组合布局 |\n\n### 6.2 高级分析图表推荐\n\n| 分析目的 | 维度特征 | 推荐图表 | 说明 |\n|---------|---------|---------|------|\n| 信息熵分布 | 维度列表 × 熵值 | **雷达图** | 多维度信息量对比 |\n| 维度影响力 | 维度 × 互信息值 | **条形图+气泡图** | Top-K 维度影响力排名 |\n| 帕累托分析 | 累计项数% × 累计占比% | **帕累托图（双轴）** | 经典帕累托曲线+二八参考线 |\n| 集中度 | 类别 × 市场份额 | **饼图/环形图** + **CR(n)标注** | 标注Top-n集中度 |\n| 分布形态 | 数值区间 × 频数 | **直方图+密度曲线** | 叠加正态参考曲线 |\n| 偏度/峰度 | 多指标对比 | **箱线图** | 多指标分布形态并排对比 |\n| 基尼系数 | 累计人口% × 累计收入% | **洛伦兹曲线** | 展示不平等程度 |\n| 趋势分解 | 时间 × 原始值+MA+预测 | **多折线图+置信区间** | 趋势+预测一体化展示 |\n| 贪心分配 | 项目 × 累计成本+累计收益 | **瀑布图/阶梯图** | 展示贪心选择过程 |\n| 多维关联 | 维度×指标矩阵 | **热力图** | 互信息矩阵可视化 |\n\n### 6.3 图表优先级规则\n1. 同一维度组合推荐 1 种最佳图表类型\n2. 如需从不同角度展示同一数据（如趋势+分布+排名），可推荐多种图表，每个角度选择最契合的图表\n3. 标记推荐度：[强烈推荐] / [推荐] / [可选]\n4. 高级分析图表与基础图表冲突时，优先展示高级分析结果\n5. **图表数量由数据特征驱动，不做人为上限。有分析价值的维度组合全部推荐。**\n\n---\n\n## 7. 输出产物：`_cs-analysis.md`\n\n### 7.1 报告结构\n```markdown\n# 数据分析报告\n\n## 1. 数据概览\n- 数据来源：[文件名]\n- 数据量：[行数] 行 × [列数] 列\n- 数据范围：[日期范围或时间范围]\n- 完整性：[空值率概览]\n\n## 2. 数据清洗记录\n| 清洗步骤 | 涉及列 | 处理方式 | 影响行数 |\n|---------|-------|---------|---------|\n| ... | ... | ... | ... |\n\n## 3. 多角度多层次分析\n\n### 3.1 分析角度覆盖矩阵\n| 角度 | 是否覆盖 | 使用维度/指标 | 分析深度 | 说明 |\n|------|---------|-------------|---------|------|\n| A1 对比 | 已覆盖/未覆盖 | [维度×指标] | L1/L2/L3/L4 | [一句话] |\n| A2 结构 | 已覆盖/未覆盖 | [维度×指标] | L1/L2/L3/L4 | [一句话] |\n| A3 趋势 | 已覆盖/未覆盖 | [维度×指标] | L1/L2/L3/L4 | [一句话] |\n| A4 关联 | 已覆盖/未覆盖 | [维度×指标] | L1/L2/L3/L4 | [一句话] |\n| A5 异常 | 已覆盖/未覆盖 | [维度×指标] | L1/L2/L3/L4 | [一句话] |\n\n### 3.2 下钻路径清单\n| 路径编号 | 关联发现 | L1 概览 | L2 分解 | L3 明细 | L4 根因 |\n|---------|---------|--------|--------|--------|--------|\n| D1 | [发现1] | [宏观数据] | [拆解维度] | [聚焦子项] | [归因分析] |\n| D2 | [发现2] | [宏观数据] | [拆解维度] | [聚焦子项] | [归因分析] |\n| ... | ... | ... | ... | ... | ... |\n\n### 3.3 维度概览\n| 维度名称 | 类型 | 唯一值数量 | 对应角度 | 说明 |\n|---------|------|-----------|---------|------|\n| ... | ... | ... | ... | ... |\n\n### 3.4 交叉维度分析\n| 交叉组合 | 方法 | 关键发现 | 对应角度 |\n|---------|------|---------|---------|\n| [维度1]×[维度2] | [方法] | [发现] | A4 关联 |\n| ... | ... | ... | ... |\n\n### 3.5 推荐分析维度组合\n| 组合 | 维度说明 | 关联指标 | 覆盖角度 | 推荐图表 |\n|-----|---------|---------|---------|---------|\n| ... | ... | ... | ... | ... |\n\n## 4. 指标分析\n### 4.1 关键指标总览\n| 指标名称 | 合计值 | 平均值 | 中位数 | 最大值 | 最小值 | 标准差 |\n|---------|-------|-------|-------|-------|-------|-------|\n| ... | ... | ... | ... | ... | ... | ... |\n\n### 4.2 衍生指标\n| 指标名称 | 计算方式 | 当前值 | 说明 |\n|---------|---------|-------|------|\n| ... | ... | ... | ... |\n\n## 5. 高级分析（按启用规则自动选择）\n\n### 5.1 信息熵分析\n<!-- 见 5.1.3 输出格式 -->\n\n### 5.2 贪心优化分析\n<!-- 见 5.2.4 输出格式 -->\n\n### 5.3 分布形态分析\n<!-- 见 5.3.3 输出格式 -->\n\n### 5.4 集中度与公平性分析\n<!-- 见 5.4.3 输出格式 -->\n\n### 5.5 趋势分解与预测分析\n<!-- 见 5.5.3 输出格式 -->\n\n## 6. 图表推荐方案\n| 图表编号 | 图表类型 | 维度 | 指标 | 推荐度 | 来源 | 说明 | 数据解读 |\n|---------|---------|------|------|-------|------|------|---------|\n| C1 | [图表类型] | [维度名] | [指标名] | [强烈推荐]/[推荐]/[可选] | 基础/高级 | [目的] | [1-2句业务解读,禁止emoji] |\n| C2 | [图表类型] | [维度名] | [指标名] | [推荐] | 基础/高级 | [目的] | [1-2句业务解读,禁止emoji] |\n| ... | ... | ... | ... | ... | ... | ... | ... |\n\n**说明**: 上表示例C1-C4为行业无关占位符，实际数据可能产生更多图表。图表数量由数据驱动，不做人为上限。\n\n## 7. 数据洞察摘要\n### 7.1 核心发现\n- [关键发现 1]\n- [关键发现 2]\n- [关键发现 3]\n- [... 更多发现由数据驱动，无上限 ...]\n\n### 7.2 高级分析洞察\n- [信息熵分析核心洞察]\n- [集中度/失衡风险提示]\n- [趋势预测关键结论]\n- [... 更多洞察由数据驱动，无上限 ...]\n\n### 7.3 数据异常提醒\n- [异常点 1]\n- [异常点 2]\n- [... 更多异常由数据驱动，无上限 ...]\n\n### 7.4 建议关注的维度\n- [建议 1]\n- [建议 2]\n- [建议 3]\n- [... 更多建议由数据驱动，无上限 ...]\n\n## 8. 分析假设与方法说明\n| 分析模块 | 使用方法 | 关键参数 | 假设条件 | 局限性说明 |\n|---------|---------|---------|---------|-----------|\n| 信息熵分析 | 香农熵 | log₂ 底数 | 数据为离散分布 | 连续变量需先离散化 |\n| 贪心优化 | 贪心选择 | 按互信息排序 | 贪心策略可得近似最优 | 不保证全局最优解 |\n| 集中度分析 | CR4/HHI/Gini | CR4 取前4 | 市场份额可加总 | 不反映竞争动态 |\n| 趋势预测 | 线性外推 | 基于近N期 | 趋势线性延续 | 不考虑外部冲击 |\n| ... | ... | ... | ... | ... |\n```\n\n### 7.2 质量要求\n- 所有数字保留 2 位小数\n- 百分比保留 1 位小数\n- 所有指标必须有业务含义描述，不止输出数字\n- 数据洞察摘要不少于 5 条（含高级分析洞察 >= 2 条），无上限，数据驱动\n- 图表推荐不少于 5 个（含高级分析图表 >= 1 个），无上限，数据驱动\n- 高级分析模块至少启用 2 个（根据数据条件自动判定），所有符合启用条件的模块均需启用\n- 分析假设与方法说明必须填写完整\n\n## 8. 质量审核对接\n\n产出 `_cs-analysis.md` 后，主控 Agent 会触发 QA 审核：\n\n### 8.1 审核触发\n- 文件写入完成 → 通知主控 Agent\n- 主控 Agent 调用 05-quality-auditor-agent（phase=analysis）\n\n### 8.2 审核通过条件\n- 数据完整性检查通过\n- 维度识别完整\n- 指标计算准确\n- 高级分析模块已按要求启用并输出\n- 图表推荐合理（含高级分析图表）\n- 报告文件格式规范\n- 分析假设与方法说明完整\n\n### 8.3 审核不通过处理\n- 如 QA 返回不通过 → 主控 Agent 将状态回退到\"开始\"\n- Analyzer 需根据 QA 报告中的问题逐条修复\n- 修复后更新接力棒，重新触发 QA 审核","readmeExcerpt":"Skill: conspect Owner: songzhou666 Summary: 全自动多源数据智能分析与商务报表渲染工具。上传Excel数据源，AI自动完成数据解析、图表选型、商务排版、可视化渲染，输出可直接开会投屏的专业报表。v3.1 全流程托管AI自动生成，零用户确认环节，端到端稳定丝滑。适用场景：生成报表/数据看板/Excel出图/投屏数据/多表合并分析。不适用：简单数据整理/桌面BI工具/纯文本报告。 Tags: latest:0.1.1 Version history: v0.1.1 | 2026-08-11T05:54:33.487Z | auto Conspect 0.1.1 更新日志 - 全量升级：落地 v3.1 全流程托管模式，实现数据上传到报表渲染全自动、零用户确认，无人工节点。 - 渲染能力提升：全面支持分区式看板布局、“便当盒”网格、各图表独立数据解读区及 8 套商业级配色主题。 - 大幅增强自动","codeSnippets":[],"executableExamples":[{"language":"text","snippet":"Step 1: 运行强制入口清单（见 SKILL-execution.md）\nStep 2: 读取接力棒 → 确定当前状态\nStep 3: 如果接力棒不存在 → 创建接力棒，状态 = 开始\nStep 4: 如果状态是 X → 直接从 X 阶段续跑\nStep 5: 按状态路由表执行当前阶段任务\nStep 6: 完成阶段任务 → 更新接力棒 → 自动进入下一阶段\nStep 7: 重复 Step 5-6，直到 完成"},{"language":"powershell","snippet":"cd {CLI_DIR}\n'{\"file_paths\": [\"e:/skill_example/数据源文件.xlsx\"]}' | python run.py analyze"},{"language":"text","snippet":"步骤 1：用 IDE Write 工具创建 _params.json\n  文件路径 = {CLI_DIR}/_params.json\n  内容：{\"file_paths\": [\"e:/数据源文件.xlsx\"]}\n\n步骤 2：切换到 CLI 目录，从文件读取参数执行\n  cd {CLI_DIR}\n  python run.py analyze --params-file _params.json"},{"language":"powershell","snippet":"cd {CLI_DIR}\npython run.py analyze '{\"file_paths\": [\"e:/data.xlsx\"]}'"},{"language":"powershell","snippet":"# [正确] 先 cd 到 {CLI_DIR}\ncd {CLI_DIR}\npython run.py analyze --params-file _params.json\n\n# [错误] 不要两个路径参数都用引号并列\n\"python.exe\" \"run.py\" analyze '{...}'  # PowerShell ParserError ❌"},{"language":"text","snippet":"1. 使用 Glob 全局搜索 run.py（最可靠，能找到所有副本）：\n   glob **/conspect_tools/run.py\n   \n2. 搜索结果可能有多个（开发目录 + 系统目录），**优先选择：\n   - 不在 c:\\Users\\{user}\\.trae-cn\\ 路径下的（系统目录代码可能不是最新版）\n   - 在 e:\\ 或项目所在盘符下的\n   \n3. 如果只有系统目录可用（c:\\Users\\{user}\\.trae-cn\\...），也可以使用\n   但确认没有其他路径选择\n\n4. 定位到后，记下该目录路径作为 {CLI_DIR}\n5. 验证方式：ls {CLI_DIR}/run.py 确认文件存在\n6. 后续所有 CLI 调用统一使用：\n   cd {CLI_DIR}\n   python run.py <action> '<json_params>'"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: conspect\nversion: 3.1\nauthor: AI\ndisplay_name: Conspect 全自动报表渲染引擎\ndescription: 全自动多源数据智能分析与商务报表渲染工具。上传Excel数据源，AI自动完成数据解析、图表选型、商务排版、可视化渲染，输出可直接开会投屏的专业报表。v3.1 全流程托管AI自动生成，零用户确认环节，端到端稳定丝滑。适用场景：生成报表/数据看板/Excel出图/投屏数据/多表合并分析。不适用：简单数据整理/桌面BI工具/纯文本报告。\nlanguage: zh-CN\ntags:\n  - 数据分析\n  - 报表生成\n  - 数据可视化\n  - ECharts\n  - 自动化\n  - 全流程托管\n---\n\n# Conspect — 全自动数据智能分析与商务报表渲染引擎\n\n> **数据进，报表出**。用户只需上传Excel数据源，AI全自动完成从数据解析到专业报表渲染的全链路处理。\n> v3.1 升级：**全流程托管AI自动生成，零用户确认环节**——分析通过 QA 即自动推进至设计，端到端稳定丝滑。\n> v3.1 渲染能力升级：分区式看板布局 + 便当盒网格 + 每图表数据解读区 + 8 套商业级配色主题。\n> 本 Skill 的每个阶段均设强制检查点（QA 审核），未经审核不得跳转。\n\n---\n\n## 快速参考\n\n| 类别 | 说明 |\n|------|------|\n| **When to use** | 生成报表 / 做数据看板 / Excel出图 / 投屏数据 / 多表合并分析 / 上传多份Excel请求分析 |\n| **When NOT to use** | 简单单文件数据整理（无需可视化）、需桌面BI工具（PowerBI/Tableau）、只需纯文本报告 |\n| **How it works** | 上传Excel → 分析Agent解析清洗聚合 → 设计Agent图表选型排版 → 渲染Agent输出看板/HTML/PDF + 分析报告(MD/HTML/PDF/Word) |\n| **What it produces** | 交互式Web看板（投屏首选）、轻量化离线HTML（发老板首选）、PDF/PNG长图、结构化分析报告（含中文命名副本） |\n\n---\n\n## [WARN] 激活即执行（强制！）\n\n当 Conspect 被激活时（用户表达了数据分析/报表生成等意图），AI **必须**立即执行以下流程，不得等待用户额外指令：\n\n```\nStep 1: 运行强制入口清单（见 SKILL-execution.md）\nStep 2: 读取接力棒 → 确定当前状态\nStep 3: 如果接力棒不存在 → 创建接力棒，状态 = 开始\nStep 4: 如果状态是 X → 直接从 X 阶段续跑\nStep 5: 按状态路由表执行当前阶段任务\nStep 6: 完成阶段任务 → 更新接力棒 → 自动进入下一阶段\nStep 7: 重复 Step 5-6，直到 完成\n```\n\n### 渐进式分块加载（Progressive Disclosure）\n\n本 Skill 采用渐进式分块加载策略，控制上下文大小：\n\n| 级别 | 文件名 | 触发条件 |\n|------|--------|---------|\n| L0 (始终) | `chunk-01-overview` | Skill 激活时始终加载 |\n| L1 (高频) | `chunk-02-workflow` | 进入工作流执行阶段 |\n| L2 (中频) | `chunk-03-data-pipeline` + `chunk-04-rendering` | 分析/渲染阶段按需加载 |\n| L3 (低频) | `chunk-05-quality` | QA/审核阶段按需加载 |\n| L2 (中频) | `references/output-spec` | 输出规范阶段按需加载 |\n| L2 (中频) | `references/trigger-guide` | 触发机制阶段按需加载 |\n| L3 (低频) | `references/examples` | 使用示例阶段按需加载 |\n| L3 (低频) | `references/quality-audit` | 质量审核阶段按需加载 |\n| L3 (低频) | `references/ai-reviewer` | AI审核阶段按需加载 |\n| L2 (中频) | `references/cli-ai-workflow` | CLI/AI协作阶段按需加载 |\n| L3 (低频) | `references/agent-communication` | Agent通信阶段按需加载 |\n| L3 (低频) | `references/chart-selection` | 图表选型阶段按需加载 |\n\n**加载规则**：\n1. SKILL.md 加载后，自动读取 `chunk-index.yaml` 获取分块元数据\n2. 按当前所处阶段自动加载对应级别的分块文件（load_on_demand）\n3. 已加载的分块在当前阶段完成后可自动卸载（auto_unload）\n4. 分块内容不应与 Agent 指令文件冲突；冲突时以 Agent 文件为准\n\n> **自绑定条款（不可绕过）**：\n> - 本条 Skill 的 **所有规则、约束、状态机均无条件适用于一切被激活的场景**，包括但不限于：\n>   1. 常规数据分析/报表生成任务\n>   2. **元任务：审查/检查/修复本 Skill 自身**\n>   3. **元任务：评估本 Skill 的执行质量或完整性**\n>   4. 被 Task 子Agent 调用时的任何子任务\n> - **元任务例外（解决审查死锁）**：当 AI 被要求审查/分析/修复本 Skill 自身时，自动进入\"元任务模式\"，**跳过标准 9 阶段状态机**，采用独立的审查流程（读取文件→逻辑分析→输出报告）。元任务完成后，恢复标准状态机。元任务期间仍需遵守 emoji 禁令、数据安全红线等全局规则。\n> - 以下理由 **不构成绕过状态机的合法依据**：\n>   - \"我正在审查Skill本身，所以不需要走状态机\"\n>   - \"我先读取所有文件了解一下，之后再走状态机\"\n>   - \"我用Task子Agent来做，子Agent不需要遵守状态机\"\n>   - \"我不知道当前状态是什么，所以从零开始做\"\n> - **违规后果**：如果在任何回复中发现AI绕过了状态机（未输出\"当前状态\"、未创建接力棒、未按阶段执行），用户可判定本 Skill **无效**。\n\n**AI 不得**：\n- [禁止] 等待用户输入 `/conspect start` 命令才开始\n- [禁止] 做完一步后询问\"下一步做什么？\"（v3.0 全流程自动推进，无任何用户确认节点）\n- [禁止] 在分析阶段后等待用户确认才推进设计（QA 审核通过即自动进入下一阶段）\n- [禁止] 跳过产物更新直接进入下一阶段\n- [禁止] 用\"已在对话中展示\"替代写"},{"path":"README.md","content":"# Conspect — 全自动报表渲染引擎\n\n> 上传 Excel，一句话需求，AI 全自动生成可投屏的专业商务报表。\n\n[![version](https://img.shields.io/badge/version-3.1-blue)](./1-manifest/skill-manifest.yaml)\n[![level](https://img.shields.io/badge/level-L3-success)](./CHANGELOG.md)\n[![license](https://img.shields.io/badge/license-MIT-green)](#许可证)\n\n---\n\n## 这是什么\n\nConspect 是一个通用的 AI Skill，把\"Excel → 开会用的报表\"这件事全自动托管给 AI。\n\n- **一句话需求触发**：上传 Excel + \"帮我出一份周报看板\"\n- **9 阶段全自动推进**：分析 → 洞察生成 → 设计 → 设计审查 → 实现 → 报告生成 → 验证 → 完成\n- **零用户确认环节**（v3.0）：偏好从初始需求自动识别，不再中途打断你\n- **多格式输出**：HTML 看板 / PDF / Markdown / Word，含中文命名副本\n\n## 快速开始\n\n### 1. 触发方式\n\n```\n/conspect start                 # 启动报表任务\n/conspect start --offline       # 离线模式（内联 ECharts，无需联网）\n/conspect status                # 查看当前进度\n/conspect reset                 # 重置当前任务\n```\n\n或直接用自然语言：\n\n> \"帮我分析这份业务数据，出一份周报看板\" + 上传 sales.xlsx\n\n### 2. 在初始需求中说明偏好（可选）\n\nv3.0 起偏好从初始需求自动识别，全程无确认环节：\n\n| 偏好类型 | 示例 |\n|---------|------|\n| 配色 | \"用蓝色调\"、\"我想要暖色系\"、\"主色调用 #1890FF\" |\n| 图表 | \"对比多用柱状图\"、\"占比用饼图\" |\n| 输出格式 | \"生成 PDF 给我\"、\"做一个离线 HTML\" |\n| 分析焦点 | \"重点关注销售趋势\"、\"按区域分析\" |\n\n### 3. 产物位置\n\n所有产物位于 `{项目路径}/.agent/harness/`：\n\n| 文件 | 说明 |\n|------|------|\n| `_cs-dashboard.html` | 交互式 Web 看板 |\n| `_cs-report.md` / `.html` / `.pdf` | 多格式分析报告 |\n| `_cs-analysis.md` | 数据分析报告 |\n| `_cs-insights.json` | AI 洞察与建议 |\n| `_cs-verify.md` | 验证报告 |\n| `数据看板.html` / `分析报告.md` | 中文命名副本 |\n\n## 状态机（9 阶段全自动）\n\n```\n开始 → 分析 → 洞察生成 → 设计 → 设计审查 → 实现 → 报告生成 → 验证 → 完成\n```\n\n每个阶段产出物是下一阶段的前置条件，QA 审核不通过自动回退重做，最多重试 2 次。\n\n## 能力边界\n\n### ✅ 擅长\n\n- 多源 Excel 数据分析与合并\n- 商务报表/看板/数据大屏生成\n- 投屏用 HTML 看板\n- 多格式报告输出（HTML/PDF/MD/Word）\n\n### ❌ 不做\n\n- 简单数据整理（用 Excel 即可）\n- 桌面 BI 工具替代（用 Tableau/Power BI）\n- 纯文本报告（无图表需求时无需 conspect）\n- 实时数据流处理（conspect 处理静态文件）\n\n## CLI 工具层\n\n```powershell\ncd e:/Mytest_skill/.trae/skills/conspect/conspect_tools\n\n# 全链路分析\npython run.py analyze '{\"file_paths\": [\"数据源.xlsx\"]}'\n\n# 用户偏好识别（v3.0 新增）\npython run.py recognize_preferences '{\"user_requirement\": \"用蓝色调，出 PDF\"}'\n\n# 安全降级洞察生成（v3.0 新增）\npython run.py ai_generate_insights_safe '{\"statistics\": {...}}'\n\n# 交叉分析\npython run.py cross_tabulate '{\"file_paths\": [...], \"row_dim\": \"产品\", \"col_dim\": \"区域\"}'\n\n# 渲染报告\npython run.py render_report '{\"report_design\": {...}, \"format\": \"html\"}'\n```\n\n## 项目结构\n\n```\nconspect/\n├── SKILL.md                    # 主文档（触发契约 + 状态机）\n├── SKILL-execution.md          # 阶段执行手册\n├── README.md                   # 本文件\n├── CHANGELOG.md                # 版本变更记录\n├── 1-manifest/\n│   └── skill-manifest.yaml     # 技能清单\n├── agents/                     # 7 个 Agent 定义\n│   ├── 00-master-controller.md\n│   ├── 01-analyzer-agent.md\n│   ├── 02-designer-agent.md\n│   ├── 03-implementer-agent.md\n│   ├── 04-verifier-agent.md\n│   ├── 05-quality-auditor.md\n│   └── 06-visual-designer-agent.md\n├── protocols/                  # 协议文档\n│   ├── phase-protocol.md       # 阶段流转协议\n│   └── baton-protocol.md       # 接力棒协议\n├── references/                 # 深度参考\n│   ├── trigger-guide.md\n│   ├── examples.md\n│   └── faq-deep.md\n├── SKILL.chunks/               # 分块加载文档\n└── conspect_tools/             # Python 工具层\n    ├── r"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn799bh9g8eq5n8nxav36av3d5879qr1\",\n  \"slug\": \"conspect\",\n  \"version\": \"0.1.1\",\n  \"publishedAt\": 1786427673487\n}"},{"path":"references/agent-communication.md","content":"# 主控 Agent 与子 Agent 通信方式\n\n> 本文档定义 conspect Skill 中主控 Agent 与子 Agent 的通信方式、输入参数格式和输出结果格式。\n\n---\n\n## 一、通信方式\n\n- 主控 Agent 读取子 Agent 指南（agents/09-ai-reviewer-agent.md）\n- 主控 Agent 准备输入参数（JSON 格式）\n- 主控 Agent 激活子 Agent（使用 Task 工具）\n- 子 Agent 执行任务（独立上下文）\n- 子 Agent 返回结果（JSON 格式）\n- 主控 Agent 接收结果并处理\n\n---\n\n## 二、输入参数格式\n\n```json\n{\n  \"task\": \"review_analysis\",\n  \"phase\": \"analysis\",\n  \"context\": {\n    \"raw_data_file\": \"path/to/raw_data.json\",\n    \"analysis_file\": \"path/to/_cs-analysis.md\"\n  },\n  \"business_context\": \"<根据数据源自动识别的业务场景>\",\n  \"output_file\": \"path/to/_cs-ai-review-analysis.md\"\n}\n```\n\n---\n\n## 三、输出结果格式\n\n```json\n{\n  \"status\": \"completed\",\n  \"passed\": true,\n  \"score\": 85.0,\n  \"issues\": [],\n  \"report_file\": \"path/to/_cs-ai-review-analysis.md\"\n}\n```\n\n---\n\n## 四、子 Agent 列表\n\n| 子 Agent | 职责 | 指南文件 |\n|---------|------|---------|\n| AI 审核 Agent | 端到端审核 | agents/09-ai-reviewer-agent.md |\n| 视觉设计师 Agent | 视觉审查 | agents/06-visual-designer-agent.md |"},{"path":"references/ai-reviewer.md","content":"# AI 审核 Agent 拉起方式\n\n> 本文档定义 AI 审核 Agent 的拉起方式、输入参数和输出结果。\n\n---\n\n## 一、拉起时机\n\n- 每个阶段完成后，主控 Agent **自动拉起** AI 审核 Agent\n- 审核不通过 → 阻断流程，必须修复\n\n---\n\n## 二、拉起流程\n\n```\n主控 Agent → 读取 AI 审核 Agent 指南 → 准备审核上下文 → 激活子 Agent（Task） → 子 Agent 执行审核 → 返回审核报告\n```\n\n---\n\n## 三、输入参数\n\n```json\n{\n  \"phase\": \"analysis/design/implement/report\",\n  \"context\": {\n    \"raw_data_file\": \"path/to/raw_data.json\",\n    \"analysis_file\": \"path/to/_cs-analysis.md\",\n    \"design_file\": \"path/to/_cs-design.md\",\n    \"implement_file\": \"path/to/_cs-implement.md\"\n  },\n  \"business_context\": \"<根据数据源自动识别的业务场景>\"\n}\n```\n\n---\n\n## 四、输出结果\n\n```json\n{\n  \"review_file\": \"path/to/_cs-ai-review-analysis.md\",\n  \"passed\": true/false,\n  \"score\": 85.0,\n  \"issues\": [...]\n}\n```\n\n---\n\n## 五、审核不通过处理\n\n1. 主控 Agent 读取审核报告\n2. 提取\"待修复问题清单\"\n3. 回退到对应阶段\n4. 修复问题\n5. 重新拉起 AI 审核 Agent\n6. 直到审核通过"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"全自动多源数据智能分析与商务报表渲染工具。上传Excel数据源，AI自动完成数据解析、图表选型、商务排版、可视化渲染，输出可直接开会投屏的专业报表。v3.1 全流程托管AI自动生成，零用户确认环节，端到端稳定丝滑。适用场景：生成报表/数据看板/Excel出图/投屏数据/多表合并分析。不适用：简单数据整理/桌面BI工具/纯文本报告。 Skill: conspect Owner: songzhou666 Summary: 全自动多源数据智能分析与商务报表渲染工具。上传Excel数据源，AI自动完成数据解析、图表选型、商务排版、可视化渲染，输出可直接开会投屏的专业报表。v3.1 全流程托管AI自动生成，零用户确认环节，端到端稳定丝滑。适用场景：生成报表/数据看板/Excel出图/投屏数据/多表合并分析。不适用：简单数据整理/桌面BI工具/纯文本报告。 Tags: latest:0.1.1 Version history: v0.1.1 | 2026-08-11T05:54:33.487Z | auto Conspect 0.1.1 更新日志 - 全量升级：落地 v3.1 全流程托管模式，实现数据上传到报表渲染全自动、零用户确认，无人工节点。 - 渲染能力提升：全面支持分区式看板布局、“便当盒”网格、各图表独立数据解读区及 8 套商业级配色主题。 - 大幅增强自动","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":766,"uniquenessScore":52,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-09T14:27:46.403Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-09T14:27:46.403Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-10T03:15:44.038Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"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!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"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","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}